DE102017000536B4 - Cell controller for detecting a cause of an abnormality in a manufacturing machine - Google Patents

Cell controller for detecting a cause of an abnormality in a manufacturing machine Download PDF

Info

Publication number
DE102017000536B4
DE102017000536B4 DE102017000536.2A DE102017000536A DE102017000536B4 DE 102017000536 B4 DE102017000536 B4 DE 102017000536B4 DE 102017000536 A DE102017000536 A DE 102017000536A DE 102017000536 B4 DE102017000536 B4 DE 102017000536B4
Authority
DE
Germany
Prior art keywords
machine
internal information
unit
cause
abnormality
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
DE102017000536.2A
Other languages
German (de)
Other versions
DE102017000536A1 (en
Inventor
Hiromitsu Takahashi
Toshimichi Aoki
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
FANUC Corp
Original Assignee
FANUC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority to JP2016016575A priority Critical patent/JP6031202B1/en
Priority to JP2016-016575 priority
Application filed by FANUC Corp filed Critical FANUC Corp
Publication of DE102017000536A1 publication Critical patent/DE102017000536A1/en
Application granted granted Critical
Publication of DE102017000536B4 publication Critical patent/DE102017000536B4/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0237Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on parallel systems, e.g. comparing signals produced at the same time by same type systems and detect faulty ones by noticing differences among their responses
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/20Pc systems
    • G05B2219/24Pc safety
    • G05B2219/24065Real time diagnostics
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80Management or planning

Abstract

Zellsteuereinheit (12) zum Steuern einer Mehrzahl von Fertigungsmaschinen (25 bis 28), die eine Fertigungszelle (11) bilden, wobei die Zellsteuereinheit (12) umfasst:
eine Einheit (14) zum Erfassen von internen Informationen, die so konfiguriert ist, dass sie die internen Informationen der Mehrzahl von Fertigungsmaschinen (25 bis 28) erfasst;
eine Vergleichsobjektauswahleinheit (20), die so konfiguriert ist, dass sie, wenn eine Anomalie in einer ersten Fertigungsmaschine der Mehrzahl von Fertigungsmaschinen (25 bis 28) auftritt, die erste Fertigungsmaschine und eine zweite Fertigungsmaschine, die ähnliche Komponenten wie jene der ersten Fertigungsmaschine aufweist und die normal arbeitet, aus der Mehrzahl von Fertigungsmaschinen (25 bis 28) auswählt;
eine Einheit (15) zum Vergleichen von internen Informationen, die so konfiguriert ist, dass sie die ersten internen Informationen der ersten Fertigungsmaschine und die zweiten internen Informationen der zweiten Fertigungsmaschine, die von der Einheit (14) zum Erfassen von internen Informationen erfasst werden, in Bezug auf die erste Fertigungsmaschine und die zweite Fertigungsmaschine vergleicht, die von der Vergleichsobjekauswahleinheit (20) ausgewählt werden, und wobei die Einheit (15) zum Vergleichen von internen Informationen einen Unterschied zwischen diesen extrahiert;
eine Anomalieursachenfeststelleinheit (16), die so konfiguriert ist, dass sie eine Ursache einer Anomalie, die bei der ersten Fertigungsmaschine auftritt, oder eine Ursache einer Anomalie, die in der Zukunft auftreten kann, auf Basis des Unterschieds zwischen den ersten internen Informationen und den zweiten internen Informationen, die von der Einheit (15) zum Vergleichen von internen Informationen extrahiert werden, feststellt; und
eine Anomalieursachenübertragungseinheit (17), die so konfiguriert ist, dass sie die Ursache der Anomalie, die von der Anomalieursachenfeststelleinheit (16) festgestellt wird, an das Äußere der Zellsteuereinheit überträgt; wobei die internen Informationen jeder Fertigungsmaschine (25 bis 28) zumindest eines von einem Antriebsparameter, der mit dem Antreiben einer Fertigungsmaschine assoziiert ist, einem Funktionsparameter, der mit der Funktion einer Fertigungsmaschine assoziiert ist, einem Betriebsprogramm, das von einer Fertigungsmaschine auszuführen ist, und einem Betriebsbefehlsprotokoll, das durch Aufzeichnen von Betriebsbefehlen, die empfangen werden, um eine Fertigungsmaschine zu veranlassen, einen vordefinierten Betrieb durchzuführen, in Zeitreihen erhalten werden, umfassen; und wobei die Zellsteuereinheit (12) ferner eine Einheit (18) zum Korrigieren eines anomalen Abschnitts umfasst, die so konfiguriert ist, dass sie, wenn zumindest eines des Antriebsparameters, des Funktionsparameters und des Betriebsprogramms eine Ursache der Anomalie ist, einen Abschnitt mit der Anomalie korrigiert.
Figure DE102017000536B4_0000
A cell controller (12) for controlling a plurality of manufacturing machines (25 to 28) forming a manufacturing cell (11), the cell controller (12) comprising:
an internal information acquiring unit (14) configured to acquire the internal information of the plurality of manufacturing machines (25 to 28);
a comparison object selection unit (20) configured to display, when an abnormality occurs in a first production machine of the plurality of production machines (25 to 28), the first production machine and a second production machine having components similar to those of the first production machine; operating normally, selecting from the plurality of manufacturing machines (25 to 28);
an internal information comparing unit (15) configured to receive the first internal information of the first manufacturing machine and the second internal information of the second manufacturing machine detected by the internal information acquiring unit (14) Comparing with respect to the first manufacturing machine and the second manufacturing machine selected by the comparison object selection unit (20), and wherein the internal information comparing unit (15) extracts a difference between them;
an abnormality cause determining unit configured to be a cause of an abnormality occurring in the first production machine or a cause of an abnormality that may occur in the future based on the difference between the first internal information and the second one internal information extracted by the internal information comparing unit (15); and
an anomaly cause transmission unit (17) configured to transmit the cause of the abnormality detected by the abnormality cause determination unit (16) to the exterior of the cell control unit; wherein the internal information of each production machine (25 to 28) is at least one of a drive parameter associated with driving a production machine, a function parameter associated with the function of a production machine, an operating program to be executed by a production machine, and a An operation command log obtained by recording, in time series, operation commands received to cause a manufacturing machine to perform a predefined operation; and wherein the cell control unit (12) further comprises an abnormal section correcting unit (18) configured to, if at least one of the drive parameter, the function parameter and the operation program is a cause of the abnormality, include a section with the abnormality corrected.

Description

  • HINTERGRUND DER ERFINDUNGBACKGROUND OF THE INVENTION
  • Gebiet der ErfindungField of the invention
  • Die vorliegende Erfindung bezieht sich auf eine Zellsteuereinheit zum Steuern einer Mehrzahl von Fertigungsmaschinen, die eine Fertigungszelle bilden.The present invention relates to a cell control unit for controlling a plurality of manufacturing machines forming a manufacturing cell.
  • Beschreibung des verwandten Standes der TechnikDescription of the Related Art
  • In Fertigungswerken führen Fertigungsmaschinen wie z. B. Werkzeugmaschinen oder Roboter Arbeitsschritte, wie z. B. das Verarbeiten oder Schweißen von Teilen durch. Um Produkte herzustellen, bildet eine Mehrzahl von Fertigungsmaschinen eine Fertigungsstraße, z. B. eine Fertigungszelle. In diesem Fall werden die Fertigungsmaschinen, die die Fertigungszelle bilden, über eine Netzwerkkommunikation von der Zellsteuereinheit gesteuert. Die Zellsteuereinheit treibt jede Fertigungsmaschine auf Basis von Befehlen von einer Produktionsverwaltungsvorrichtung wie einem Host-Computer an.In manufacturing plants, manufacturing machines such. As machine tools or robots operations such. B. processing or welding of parts. To produce products, a plurality of manufacturing machines forms a production line, e.g. B. a manufacturing cell. In this case, the manufacturing machines forming the manufacturing cell are controlled by the cell controller via network communication. The cell controller drives each manufacturing machine based on commands from a production management device such as a host computer.
  • Bei einer solchen Fertigungszelle tritt eine Anomalie in einer Fertigungsmaschine wie z. B. einem Roboter auf und somit arbeitet die Fertigungsmaschine in manchen Fällen nicht normal. Somit verringert sich die Produktivität. Um ein solches Problem zu lösen, wurden diverse Verfahren zur Früherkennung von Anomalien bei Fertigungsmaschinen vorgeschlagen.In such a manufacturing cell an anomaly occurs in a manufacturing machine such. B. a robot and thus the production machine does not work normally in some cases. This reduces productivity. To solve such a problem, various methods have been proposed for the early detection of anomalies in manufacturing machines.
  • Beispielsweise offenbart die japanische Patentanmeldung mit der Offenlegungs-Nr. 2004-202624 eine Vorrichtung zum Sammeln von Informationen von einer Mehrzahl von Robotern, die über ein Netzwerk verbunden sind. Eine solche Vorrichtung prognostiziert einen Roboter, der ggf. ausfällt, wenn ein vordefinierter Roboter ausfällt, indem sie die zuvor registrierten Informationen zu den Robotern mit den einzelnen Echtzeitinformationen zu den Robotern vergleicht. Die japanische Patentanmeldung mit der Offenlegungs-Nr. 2004-202624 offenbart außerdem, dass Kandidatenteile, die erforderlich sind, wenn der Roboter ausfällt, auf Basis der Informationen zu dem Roboter mit prognostiziertem Ausfall extrahiert werden.For example, the Japanese Patent Application Laid-Open No. 2004-202624 an apparatus for collecting information from a plurality of robots connected via a network. Such a device predicts a robot, which may fail if a predefined robot fails, by comparing the previously registered information about the robots with the individual real-time information about the robots. The Japanese Patent Application Laid-Open No. 2004-202624 also discloses that candidate parts required when the robot fails are extracted on the basis of the predicted failure information to the robot.
  • Das japanische Patent Nr. 4739556 offenbart eine Anomalieermittlungsvorrichtung mit einem Simulator, der ein mit einem tatsächlichen Roboter identisches Modell verwendet, um den Betrieb und den Status des tatsächlichen Roboters zu reproduzieren. Diese Vorrichtung vergleicht den Betrieb und den Status des tatsächlichen Roboters in Reaktion auf einen Betriebsbefehl mit Ergebnissen der vom Simulator durchgeführten Reproduktion, wodurch ermittelt wird, ob beim Betrieb und Status des tatsächlichen Roboters eine Anomalie auftritt.The Japanese Patent No. 4739556 discloses an anomaly detection apparatus with a simulator that uses a model identical to an actual robot to reproduce the operation and status of the actual robot. This device compares the operation and the status of the actual robot in response to an operation command with results of the reproduction performed by the simulator, thereby determining whether an abnormality occurs in the operation and status of the actual robot.
  • Um die Produktivität zu verbessern, sollte dann, wenn eine Anomalie in einer Fertigungsmaschine auftritt, eine Ursache der Anomalie im Allgemeinen früh ermittelt werden, um die Fertigungsmaschine schnell zu reparieren.In order to improve productivity, when an abnormality occurs in a production machine, a cause of the abnormality should generally be detected early to repair the production machine quickly.
  • Wenn die Anomalie jedoch z. B. durch eine inkorrekte Einstellung oder einen inkorrekten Betrieb verursacht wird, dauert das Ermitteln der Ursache der Anomalie sehr lange.If the anomaly, however, z. Caused by incorrect setting or incorrect operation, it takes a long time to determine the cause of the anomaly.
  • Anders ausgedrückt kann die durch eine inkorrekte Einstellung oder inkorrekten Betrieb verursachte Anomalie häufig durch Vergleichen der Informationen, die von einer normal arbeitenden Fertigungsmaschine erhalten werden, mit den Informationen, die von einer Fertigungsmaschine mit der Anomalie erhalten werden, festgestellt werden. Unter den derzeitigen Umständen muss ein Wartungsmanager oder ein Support-Techniker bei einer Maschinenherstellung eine Reihe von Betrieben durchführen, einschließlich des Sammelns der internen Informationen jeder Fertigungsmaschine und des Vergleichens von Elementen der internen Informationen miteinander, und demgemäß dauert das Ermitteln der Ursache der Anomalie sehr lange.In other words, the anomaly caused by incorrect setting or incorrect operation can often be detected by comparing the information obtained from a normally operating production machine with the information obtained from a production machine with the anomaly. Under the current circumstances, a maintenance manager or a technician in machine manufacturing must perform a number of operations, including collecting the internal information of each manufacturing machine and comparing elements of the internal information with each other, and accordingly, it takes a long time to determine the cause of the anomaly ,
  • Somit ist eine Technologie zur Früherkennung einer Anomalie, die durch die internen Informationen einer Fertigungsmaschine verursacht werden kann, wie z. B. eine inkorrekte Einstellung oder einen inkorrekten Betrieb, wie oben beschrieben, wünschenswert.Thus, a technology for the early detection of anomaly, which can be caused by the internal information of a production machine, such. As an incorrect setting or incorrect operation, as described above, desirable.
  • Man beachte, dass die in der japanischen Patentanmeldung mit der Offenlegungs-Nr. 2004-202624 offenbarte Vorrichtung zwar einen Fehler einer Komponente einer Fertigungsmaschine wie z. B. eines Roboters prognostiziert, das Auftreten einer durch eine inkorrekte Einstellung oder einen inkorrekten Betrieb verursachten Anomalie bei einer Fertigungsmaschine, d. h. durch die internen Informationen der Fertigungsmaschine, nicht prognostizieren kann. Das Gleiche gilt für die im japanischen Patent Nr. 4739556 offenbarte Vorrichtung. Bei der im japanischen Patent Nr. 4739556 offenbarten Vorrichtung nimmt außerdem, wenn Simulationsfehler auftreten, wenn der Simulator den Betrieb und den Status des tatsächlichen Roboters in Reaktion auf einen Betriebsbefehl reproduziert, die Korrektheit der Ergebnisse einer Anomalieermittlung ab.Note that in the Japanese Patent Application Laid-Open No. 2004-202624 disclosed device although a fault of a component of a production machine such. As a robot predicts the occurrence of an abnormality caused by an incorrect setting or incorrect operation in a manufacturing machine, ie by the internal information of the production machine, can not predict. The same goes for the im Japanese Patent No. 4739556 revealed device. At the im Japanese Patent No. 4739556 In addition, when simulation errors occur when the simulator reproduces the operation and status of the actual robot in response to an operation command, the apparatus disclosed further corrects the correctness of the results of abnormality detection.
  • Aus DE 602 20 998 T2 ist ein Diagnosecomputer bekannt, der mit einer Steuereinheit eines Roboters einer Produktionslinie verbunden ist. Der Diagnosecomputer ist wiederum mit einem Analysiercomputer verbunden, der herstellerseitig in einem Wartungszentrum vorgehalten wird. Der Analysiercomputer wird dabei verwendet, um aus der Ferne eine Diagnose des Roboters durchzuführen.Out DE 602 20 998 T2 a diagnostic computer is known, which is connected to a control unit of a robot of a production line. The diagnostic computer is in turn connected to an analysis computer, the manufacturer in one Maintenance center is kept. The analyzer computer is used to remotely diagnose the robot.
  • Zudem ist aus US 2001 / 0 047 504 A1 ein System mit mehreren Arbeitsrobotern bekannt, deren Betrieb mittels Überwachungskameras sowie mittels Betriebszustands-Überwachungsmitteln überwacht wird. Von den Überwachungskameras erzeugte Bilder sowie erzeugte Betriebsüberwachungsdaten werden über eine Internetverbindung an einen Zentralcomputer übertragen, der es einem Benutzer erlaubt, den Betrieb der Arbeitsroboter zu überwachen.Moreover, it is off US 2001/0 047 504 A1 a system with a number of working robots whose operation is monitored by means of surveillance cameras and by means of operating state monitoring means. Images generated by the surveillance cameras as well as generated operational monitoring data are transmitted via an internet connection to a central computer which allows a user to monitor the operation of the working robots.
  • KURZDARSTELLUNG DER ERFINDUNGBRIEF SUMMARY OF THE INVENTION
  • Der vorliegenden Erfindung liegt die Aufgabe zugrunde, eine Zellsteuereinheit zum Steuern einer Mehrzahl von Fertigungsmaschinen bereitzustellen, die eine Anomalie effizient feststellt und gegebenenfalls korrigiert.It is an object of the present invention to provide a cell control unit for controlling a plurality of manufacturing machines that efficiently detects and optionally corrects an anomaly.
  • Diese Aufgabe wird erfindungsgemäß durch eine Zellsteuereinheit mit den Merkmalen des Anspruchs 1 gelöst. Weitere Ausgestaltungen sind den Unteransprüchen zu entnehmen.This object is achieved by a cell control unit with the features of claim 1. Further embodiments can be found in the dependent claims.
  • Gemäß einem ersten Aspekt der vorliegenden Erfindung wird eine Zellsteuereinheit zum Steuern einer Mehrzahl von Fertigungsmaschinen, die eine Fertigungszelle bilden, bereitgestellt. Die Zellsteuereinheit umfasst eine Einheit zum Erfassen von internen Informationen, die so konfiguriert ist, dass sie die internen Informationen der Mehrzahl von Fertigungsmaschinen erfasst,
    eine Vergleichsobjektauswahleinheit, die so konfiguriert ist, dass sie, wenn eine Anomalie in einer ersten Fertigungsmaschine der Mehrzahl von Fertigungsmaschinen auftritt, die erste Fertigungsmaschine und eine zweite Fertigungsmaschine, die ähnliche Komponenten wie jene der ersten Fertigungsmaschine aufweist und die normal arbeitet, aus der Mehrzahl von Fertigungsmaschinen auswählt,
    eine Einheit zum Vergleichen von internen Informationen, die die ersten internen Informationen der ersten Fertigungsmaschine und die zweiten internen Informationen der zweiten Fertigungsmaschine, die von der Einheit zum Erfassen von internen Informationen erfasst werden, in Bezug auf die erste Fertigungsmaschine und die zweite Fertigungsmaschine vergleicht, die von der Vergleichsobjektauswahleinheit ausgewählt werden, und wobei die Einheit zum Vergleichen von internen Informationen einen Unterschied zwischen diesen extrahiert,
    eine Anomalieursachenfeststelleinheit, die so konfiguriert ist, dass sie eine Ursache einer Anomalie, die bei der ersten Fertigungsmaschine auftritt, oder eine Ursache einer Anomalie, die in der Zukunft auftreten kann, auf Basis des Unterschieds zwischen den ersten internen Informationen und den zweiten internen Informationen, die von der Einheit zum Vergleichen von internen Informationen extrahiert werden, feststellt, und
    eine Anomalieursachenübertragungseinheit, die so konfiguriert ist, dass sie die Ursache der Anomalie, die von der Anomalieursachenfeststelleinheit festgestellt wird, an das Äußere der Zellsteuereinheit überträgt.
    According to a first aspect of the present invention, there is provided a cell control unit for controlling a plurality of manufacturing machines forming a manufacturing cell. The cell control unit includes an internal information acquiring unit configured to acquire the internal information of the plurality of manufacturing machines,
    a comparison object selection unit configured to display, when an abnormality occurs in a first production machine of the plurality of production machines, the first production machine and a second production machine having similar components to those of the first production machine and operating normally, among the plurality of Select production machines,
    an internal information comparing unit that compares the first internal information of the first manufacturing machine and the second internal information of the second manufacturing machine detected by the internal information acquiring unit with respect to the first production machine and the second production machine, respectively are selected by the comparison object selection unit, and wherein the internal information comparison unit extracts a difference between them,
    an abnormality cause determining unit configured to be a cause of an abnormality occurring in the first production machine or a cause of an abnormality that may occur in the future based on the difference between the first internal information and the second internal information; which are extracted by the internal information comparison unit, and
    an abnormality cause transmission unit configured to transmit the cause of the abnormality detected by the abnormality cause determination unit to the exterior of the cell control unit.
  • Gemäß dem ersten Aspekt der vorliegenden Erfindung umfassen die internen Informationen jeder Fertigungsmaschine zumindest eines von einem Antriebsparameter, der mit dem Antreiben einer Fertigungsmaschine assoziiert ist, einem Funktionsparameter, der mit der Funktion einer Fertigungsmaschine assoziiert ist, einem Betriebsprogramm, das von einer Fertigungsmaschine auszuführen ist, und einem Betriebsbefehlsprotokoll, das durch Aufzeichnen von Betriebsbefehlen, die empfangen werden, um eine Fertigungsmaschine zu veranlassen, einen vordefinierten Betrieb durchzuführen, in Zeitreihen erhalten wird.According to the first aspect of the present invention, the internal information of each manufacturing machine includes at least one of a drive parameter associated with driving a manufacturing machine, a function parameter associated with the function of a manufacturing machine, an operating program to be executed by a manufacturing machine, and an operation command log obtained by recording operation commands received to cause a manufacturing machine to perform a predefined operation in time series.
  • Gemäß dem ersten Aspekt der vorliegenden Erfindung umfasst die Zellsteuereinheit ferner eine Einheit zum Korrigieren eines anomalen Abschnitts, die so konfiguriert ist, dass sie, wenn zumindest eines des Antriebsparameters, des Funktionsparameters und des Betriebsprogramms eine Ursache der Anomalie ist, einen Abschnitt mit der Anomalie korrigiert.According to the first aspect of the present invention, the cell control unit further comprises an abnormal portion correcting unit configured to correct a portion with the abnormality when at least one of the drive parameter, the function parameter, and the operation program is a cause of the abnormality ,
  • Gemäß einem zweiten Aspekt der vorliegenden Erfindung ist bei der Zellsteuereinheit gemäß dem ersten Aspekt das Betriebsbefehlsprotokoll Informationen, die durch Aufzeichnen von Betrieben eines Benutzers, betriebsprogrammausführenden Prozessen, Eingabe von Signalen nach außen oder Betriebsbefehlen, die durch eine Eingabe von Signalen von außen generiert werden, in Zeitreihen erhalten werden.According to a second aspect of the present invention, in the cell control unit according to the first aspect, the operation command log is information generated by recording operations of a user, operations executing processes, inputting signals to outside, or operation commands generated by inputting signals from outside Time series are obtained.
  • Gemäß einem dritten Aspekt der vorliegenden Erfindung umfasst die Zellsteuereinheit gemäß dem ersten Aspekt ferner eine Betriebsbefehlsergänzungseinheit, die so konfiguriert ist, dass sie, wenn ein Fehlen eines Betriebsbefehlsprotokolls in den ersten internen Informationen oder eines Betriebsbefehlsprotokolls in den zweiten internen Informationen die Anomalie verursacht, einen Betrieb gemäß einem Betriebsbefehl, der im Betriebsbefehlsprotokoll fehlt, in Bezug auf die Fertigungsmaschine, der das Betriebsbefehlsprotokoll fehlt, ergänzt.According to a third aspect of the present invention, the cell control unit according to the first aspect further comprises an operation command supplement unit configured to operate when a lack of an operation command log in the first internal information or an operation command log in the second internal information causes the abnormality according to an operation command missing in the operation command log, with respect to the manufacturing machine which lacks the operation command log.
  • Gemäß einem vierten Aspekt der vorliegenden Erfindung bei der Zellsteuereinheit gemäß einem beliebigen des ersten bis dritten Aspekts die Vergleichsobjektauswahleinheit, die so konfiguriert ist, dass sie auf Vorrichtungskonfigurationsinformationen Bezug nimmt, die Komponenten einer Fertigungsmaschine darstellen, die mit jeder der Fertigungsmaschinen assoziiert sind, und Elemente der Vorrichtungskonfigurationsinformationen miteinander vergleicht, um somit die erste Fertigungsmaschine und die zweite Fertigungsmaschine auszuwählen.According to a fourth aspect of the present invention, in the cell control unit according to any one of the first to third aspects, the comparison object selection unit configured to be on Referring to device configuration information that represents components of a manufacturing machine associated with each of the manufacturing machines and compares elements of the device configuration information with each other so as to select the first manufacturing machine and the second manufacturing machine.
  • Gemäß einem fünften Aspekt der vorliegenden Erfindung bei der Zellsteuereinheit gemäß einem beliebigen des ersten bis dritten Aspekts die Vergleichsobjektauswahleinheit, die so konfiguriert ist, dass sie die erste Fertigungsmaschine und die zweite Fertigungsmaschine auf Basis von Registrationsinformationen auswählt, die durch vorheriges Korrelieren der ersten Fertigungsmaschine und der zweiten Fertigungsmaschine, die einander ähneln, erhalten werden.According to a fifth aspect of the present invention, in the cell control unit according to any one of the first to third aspects, the comparison object selection unit configured to select the first manufacturing machine and the second manufacturing machine based on registration information obtained by previously correlating the first manufacturing machine and the first manufacturing machine second production machine, which are similar to each other, can be obtained.
  • Gemäß einem sechsten Aspekt der vorliegenden Erfindung bei der Zellsteuereinheit gemäß einem beliebigen des ersten bis fünften Aspekts die Einheit zum Erfassen von internen Informationen, die so konfiguriert ist, dass sie die internen Informationen der Fertigungsmaschinen in einem vordefinierten Intervall erfasst.According to a sixth aspect of the present invention, in the cell control unit according to any one of the first to fifth aspects, the internal information acquiring unit configured to acquire the internal information of the manufacturing machines at a predetermined interval.
  • Gemäß einem siebten Aspekt der vorliegenden Erfindung umfasst die Zellsteuereinheit bei der Zellsteuereinheit gemäß einem beliebigen des ersten bis sechsten Aspekts ferner eine Datenbank, die so konfiguriert ist, dass sie den Status einer Anomalie, die bei jeder der Fertigungsmaschinen auftritt, und eine Ursache für das Auftreten der Anomalie korreliert und diese speichert, und die Anomalieursachenfeststelleinheit so konfiguriert ist, dass sie auf die Datenbank Bezug nimmt, wodurch eine Ursache einer Anomalie, die bei der ersten Fertigungsmaschine auftritt, oder eine Ursache einer Anomalie, die in der Zukunft auftreten kann, festgestellt wird.According to a seventh aspect of the present invention, in the cell control unit according to any one of the first to sixth aspects, the cell control unit further includes a database configured to detect the status of an abnormality occurring in each of the manufacturing machines and a cause of occurrence the anomaly correlates and stores, and the abnormality cause determining unit is configured to refer to the database, whereby a cause of an abnormality occurring at the first production machine or a cause of an abnormality that may occur in the future is detected ,
  • Gemäß einem achten Aspekt der vorliegenden Erfindung umfasst die Zellsteuereinheit gemäß dem siebten Aspekt ferner eine Datenbankaktualisierungseinheit, die so konfiguriert ist, dass sie den Status einer Anomalie, die bei der ersten Fertigungsmaschine oder der zweiten Fertigungsmaschine auftritt, und einen Unterschied zwischen den ersten internen Informationen und den zweiten internen Informationen, er von der Einheit zum Vergleichen von internen Informationen extrahiert wird und der die Anomalie verursacht, in der Datenbank widerspiegelt.According to an eighth aspect of the present invention, the cell control unit according to the seventh aspect further comprises a database updating unit configured to detect the status of an abnormality occurring in the first manufacturing machine or the second manufacturing machine and a difference between the first internal information and the second internal information extracted from the internal information comparison unit and causing the anomaly is reflected in the database.
  • Gemäß einem neunten Aspekt der vorliegenden Erfindung ist die Zellsteuereinheit bei der Zellsteuereinheit gemäß dem siebten Aspekt eine aus einer Mehrzahl von Zellsteuereinheiten und umfasst ferner eine Datenbankfreigabeeinheit zum gemeinsamen Nutzen der Datenbank mit den anderen Zellsteuereinheiten.According to a ninth aspect of the present invention, in the cell control unit according to the seventh aspect, the cell control unit is one of a plurality of cell control units, and further comprises a database release unit for sharing the database with the other cell control units.
  • Gemäß einem zehnten Aspekt der vorliegenden Erfindung umfasst die Zellsteuereinheit gemäß dem siebten Aspekt ferner ein Lerninstrument, das so konfiguriert ist, dass es ein Maschinenlernen unter Verwendung der in der Datenbank gespeicherten Informationen, der erfassten internen Informationen jeder der Fertigungsmaschinen und der Vorrichtungskonfigurationsinformationen, die Komponenten jeder der Fertigungsmaschine darstellen, durchführt, um die in der Datenbank gespeicherten Informationen zu aktualisieren.According to a tenth aspect of the present invention, the cell control unit according to the seventh aspect further comprises a learning tool configured to perform a machine learning using the information stored in the database, the acquired internal information of each of the manufacturing machines and the device configuration information, the components of each the manufacturing machine, in order to update the information stored in the database.
  • Figurenlistelist of figures
  • Diese Ziele, Merkmale und Vorteile der vorliegenden Erfindung und andere Ziele, Merkmale und Vorteile gehen aus der ausführlichen Beschreibung typischer Ausführungsformen, die in den beiliegenden Zeichnungen veranschaulicht sind, näher hervor.
    • 1 ist ein Blockschaubild, das ein Produktionssystem, das mit einer Zellsteuereinheit bereitgestellt ist, gemäß einer Ausführungsform schematisch veranschaulicht.
    • 2 ist ein Blockschaubild, das das Zellsteuersystem des Produktionssystems von 1 spezifischer veranschaulicht.
    • 3 ist ein schematisches Schaubild eines Neuronenmodells.
    • 4 ist ein schematisches Schaubild eines dreischichtigen neuronalen Netzwerks.
    These objects, features and advantages of the present invention and other objects, features and advantages will become more apparent from the detailed description of typical embodiments illustrated in the accompanying drawings.
    • 1 FIG. 12 is a block diagram schematically illustrating a production system provided with a cell control unit according to an embodiment. FIG.
    • 2 is a block diagram showing the cell control system of the production system of 1 more specifically illustrated.
    • 3 is a schematic diagram of a neuron model.
    • 4 is a schematic diagram of a three-layer neural network.
  • AUSFÜHRLICHE BESCHREIBUNGDETAILED DESCRIPTION
  • Ausführungsformen der vorliegenden Erfindung werden nachstehend unter Bezugnahme auf die Zeichnungen beschrieben. In den folgenden Figuren sind ähnliche Elemente mit den gleichen Bezugszeichen ausgewiesen. Der Maßstab dieser Figuren wurde entsprechend angepasst, um sie besser verständlich zu machen. Ferner sind die in den Zeichnungen veranschaulichten Ausführungsformen Beispiele zum Ausführen der vorliegenden Erfindung und ist die vorliegende Erfindung nicht auf die veranschaulichten Ausführungsformen beschränkt.1 ist ein Blockschaubild, das ein Produktionssystem, das mit einer Zellsteuereinheit bereitgestellt ist, gemäß einer Ausführungsform einfach veranschaulicht.Embodiments of the present invention will be described below with reference to the drawings. In the following figures, similar elements are identified by the same reference numerals. The scale of these figures has been adjusted to better understand them. Furthermore, the embodiments illustrated in the drawings are examples for carrying out the present invention, and the present invention is not limited to the illustrated embodiments. 1 FIG. 12 is a block diagram that simply illustrates a production system provided with a cell controller according to one embodiment. FIG.
  • Unter Bezugnahme auf 1 wird ein Produktionssystem 10 mit zumindest einer Fertigungszelle 11, einer Zellsteuereinheit 12 zum Steuern der Fertigungszelle 11 und einer Produktionsverwaltungsvorrichtung 13 bereitgestellt.With reference to 1 becomes a production system 10 with at least one manufacturing cell 11 , a cell controller 12 for controlling the manufacturing cell 11 and a production management device 13 provided.
  • Die Fertigungszelle 11 befindet sich in einem Werk zum Herstellen von Produkten. Im Gegensatz dazu befinden sich die Zellsteuereinheit 12 und die Produktionsverwaltungsvorrichtung 13 in einem anderen Gebäude als das Werk. Beispielsweise kann die Zellsteuereinheit 12 in einem anderen Gebäude auf einem Werksgelände sein, auf dem sich die Fertigungszelle 11 befindet. In diesem Fall wird bevorzugt, dass die Fertigungszelle 11 und die Zellsteuereinheit 12 miteinander verbunden sind, so dass sie über eine Kommunikationsvorrichtung 31, z. B. ein Intranet, miteinander kommunizieren können.The manufacturing cell 11 is located in a factory for manufacturing products. In contrast, there are the cell control unit 12 and the production management device 13 in one other buildings than the factory. For example, the cell control unit 12 be in another building on a factory premises, on which the manufacturing cell 11 located. In this case it is preferred that the manufacturing cell 11 and the cell controller 12 connected to each other so that they have a communication device 31 , z. As an intranet, can communicate with each other.
  • Die Produktionsverwaltungsvorrichtung 13 kann z. B. in einem Büro angeordnet sein, das vom Werk entfernt gelegen ist. In diesem Fall wird bevorzugt, dass die Zellsteuereinheit 12 und die Produktionsverwaltungsvorrichtung 13 miteinander verbunden sind, so dass sie über eine Kommunikationsvorrichtung 32, z. B. das Internet, miteinander kommunizieren können. Ferner wird bevorzugt, dass ein Host-Computer zum Verwalten der Arbeitssituation einer Mehrzahl von Fertigungszellen 11 oder Fertigungsmaschinen im Büro auf die Produktionsverwaltungsvorrichtung 13 gemäß der vorliegenden Ausführungsform angewandt wird.The production management device 13 can z. B. be located in an office that is located away from the factory. In this case it is preferred that the cell control unit 12 and the production management device 13 connected to each other so that they have a communication device 32 , z. As the Internet, can communicate with each other. Further, it is preferable that a host computer manage the work situation of a plurality of manufacturing cells 11 or manufacturing machines in the office on the production management device 13 is applied according to the present embodiment.
  • Die Fertigungszelle 11 ist ein Satz, der durch flexibles Zusammenstellen einer Mehrzahl von Fertigungsmaschinen zur Herstellung von Produkten erhalten wird. Die Fertigungszelle 11 gemäß der vorliegenden Ausführungsform wird durch eine Mehrzahl von Fertigungsmaschinen konstruiert, die eine Werkzeugmaschine M1, einen Roboter R1, eine Werkzeugmaschine M2 und einen Roboter R2 umfassen, wie in 1 veranschaulicht. Die Anzahl von Fertigungsmaschinen in der Fertigungszelle 11 unterliegt jedoch keinen Beschränkungen. Die Fertigungszelle 11 kann eine Fertigungsstraße sein, auf der ein Werkstück von einer Mehrzahl von Fertigungsmaschinen sukzessive zu einem Endprodukt verarbeitet wird. Alternativ kann die Fertigungszelle 11 eine Fertigungsstraße sein, auf der zwei oder mehr Werkstücke (Teile), die in jeder von zwei oder mehreren Fertigungsmaschinen verarbeitet werden, durch eine weitere Fertigungsmaschine in der Mitte des Prozesses kombiniert werden, um ein Endprodukt zu erhalten. Alternativ können bei der Erfindung dieser Anmeldung zwei oder mehr Werkstücke, die in zwei oder mehr Fertigungszellen 11 verarbeitet werden, kombiniert werden, um ein Endprodukt zu erhalten.The manufacturing cell 11 is a set obtained by flexibly assembling a plurality of manufacturing machines for manufacturing products. The manufacturing cell 11 According to the present embodiment, it is constructed by a plurality of manufacturing machines including a machine tool M1, a robot R1, a machine tool M2, and a robot R2, as in FIG 1 illustrated. The number of manufacturing machines in the manufacturing cell 11 is not subject to any restrictions. The manufacturing cell 11 may be a production line on which a workpiece from a plurality of manufacturing machines is successively processed into a final product. Alternatively, the manufacturing cell 11 a production line on which two or more workpieces (parts) processed in each of two or more production machines are combined by another manufacturing machine in the middle of the process to obtain a final product. Alternatively, in the invention of this application, two or more workpieces may be incorporated into two or more manufacturing cells 11 be processed, combined to obtain a final product.
  • Keine Fertigungsmaschine, die bei der vorliegenden Erfindung verwendet wird, ist auf eine NC-Werkzeugmaschine oder einen Industrieroboter beschränkt. Beispiele für jede Fertigungsmaschine können eine PLC, eine Transfermaschine, ein Messinstrument, eine Testvorrichtung, eine Pressmaschine, eine Einpressmaschine, eine Druckmaschine, eine Druckgussmaschine, eine Spritzgussmaschine, eine Lebensmittelmaschine, eine Verpackungsmaschine, eine Schweißmaschine, eine Waschmaschine, eine Anstreichmaschine, eine Montagemaschine, eine Befestigungsmaschine, eine Maschine für Holzarbeiten, eine Versiegelungsvorrichtung oder eine Schneidmaschine umfassen.No manufacturing machine used in the present invention is limited to an NC machine tool or an industrial robot. Examples of each production machine may include a PLC, a transfer machine, a measuring instrument, a testing device, a pressing machine, a press-fitting machine, a printing machine, a die-casting machine, an injection molding machine, a food machine, a packaging machine, a welding machine, a washing machine, a painting machine, an assembling machine, a fastening machine, a woodworking machine, a sealing device or a cutting machine.
  • Ferner wird bevorzugt, dass die Zellsteuereinheit 12 und die Werkzeugmaschine M1, der Roboter R1, die Werkzeugmaschine M2 und der Roboter R2 jeweils aus einem Computersystem (nicht gezeigt) mit einem Speicher wie z. B. einem ROM oder RAM, einer CPU und einer Kommunikationssteuereinheit konstruiert sind, die über eine Buslinie miteinander verbunden sind. Jede Kommunikationssteuereinheit steuert Daten, die durch die Zellsteuereinheit 12 und die obigen Fertigungsmaschinen fließen. Es wird bevorzugt, dass die Funktionen oder Betriebe der Zellsteuereinheit 12 und der obigen Fertigungsmaschinen jeweils durch ein in jedem ROM gespeichertes Programm erzielt werden, das von der entsprechenden CPU ausgeführt wird.It is further preferred that the cell control unit 12 and the machine tool M1, the robot R1, the machine tool M2 and the robot R2 respectively from a computer system (not shown) with a memory such. As a ROM or RAM, a CPU and a communication control unit are constructed, which are connected to each other via a bus line. Each communication control unit controls data provided by the cell control unit 12 and the above manufacturing machines are flowing. It is preferred that the functions or operations of the cell control unit 12 and the above manufacturing machines are each achieved by a program stored in each ROM executed by the corresponding CPU.
  • Die Konfiguration der Zellsteuereinheit 12 wird ausführlich beschrieben. 2 ist ein Blockschaubild, das die Zellsteuereinheit 12 des Produktionssystems 10 von 1 spezifisch veranschaulicht.The configuration of the cell controller 12 is described in detail. 2 is a block diagram showing the cell controller 12 of the production system 10 from 1 specifically illustrated.
  • Wie in 2 gezeigt, umfasst die Zellsteuereinheit 12 gemäß der vorliegenden Ausführungsform als Basiskomponenten eine Einheit 14 zum Erfassen von internen Informationen, eine Einheit 15 zum Vergleichen von internen Informationen, eine Anomalieursachenfeststelleinheit 16 und eine Anomalieursachenübertragungseinheit 17.As in 2 shown includes the cell controller 12 According to the present embodiment, a unit as base components 14 to capture internal information, a unit 15 for comparing internal information, an anomaly cause determination unit 16 and an abnormality cause transmission unit 17 ,
  • Die Einheit 14 zum Erfassen von internen Informationen erfasst Elemente der internen Informationen einer Mehrzahl von Fertigungsmaschinen 25 bis 28, die die Fertigungszelle 11 bilden, zu bestimmten Zeitpunkten. Man beachte, dass die Werkzeugmaschine M1, der Roboter R1, die Werkzeugmaschine M2 und der Roboter R2, die in 1 gezeigt sind, jeweils den Fertigungsmaschinen 25 bis 28 entsprechen.The unit 14 for capturing internal information, captures elements of the internal information of a plurality of manufacturing machines 25 to 28 that the manufacturing cell 11 form at certain times. Note that the machine tool M1, the robot R1, the machine tool M2, and the robot R2 which are in 1 are shown, respectively, the production machines 25 to 28 correspond.
  • Die internen Informationen jeder der Fertigungsmaschinen 25 bis 28 sind die in einem Speicher jeder Fertigungsmaschine gespeicherten Informationen und umfassen zumindest eines aus einem Antriebsparameter, einem Funktionsparameter, einem Betriebsprogramm und einem Betriebsprogrammprotokoll. Man beachte, dass der Speicher zum Speichern der internen Informationen nicht notwendigerweise in jeder Fertigungsmaschine bereitgestellt sein muss, wie es bei der vorliegenden Ausführungsform der Fall ist. Der Speicher kann außerhalb jeder Fertigungsmaschine bereitgestellt sein oder kann in der Zellsteuereinheit 12 bereitgestellt sein.The internal information of each of the manufacturing machines 25 to 28 are the information stored in a memory of each manufacturing machine and include at least one of a drive parameter, a function parameter, an operating program and an operating program log. Note that the memory for storing the internal information does not necessarily have to be provided in each manufacturing machine, as is the case with the present embodiment. The memory may be provided outside each manufacturing machine or may be in the cell controller 12 be provided.
  • Unter Bezugnahme auf eine erste Fertigungsmaschine und eine zwei Fertigungsmaschine, die aus den Fertigungsmaschinen 25 bis 28 ausgewählt sind, vergleicht die Einheit 15 zum Vergleichen von internen Informationen erste interne Informationen und zweite interne Informationen, die jeweils von der Einheit 14 zum Erfassen von internen Informationen jeweils aus der ersten Fertigungsmaschine und der zweiten Fertigungsmaschine erfasst werden, wodurch ein Unterschied zwischen ihnen extrahiert wird.Referring to a first manufacturing machine and a two manufacturing machine, which are from the manufacturing machines 25 to 28 are selected, the unit compares 15 to compare from internal information first internal information and second internal information, respectively, from the unit 14 for capturing internal information respectively from the first manufacturing machine and the second manufacturing machine, thereby extracting a difference between them.
  • Die Anomalieursachenfeststelleinheit 16 stellt eine Ursache einer Anomalie fest, die in der ersten Fertigungsmaschine oder der zweiten Fertigungsmaschine auftreten ist oder eine Ursache einer Anomalie, die in der Zukunft auftreten kann, auf Basis des Unterschieds zwischen den ersten internen Informationen und den zweiten internen Informationen, die von der Einheit 15 zum Vergleichen von internen Informationen extrahiert wurden, fest. Die Anomalieursachenübertragungseinheit 17 überträgt die Ursache der Anomalie, die von der Anomalieursachenfeststelleinheit 16 festgestellt wurde, an das Äußere der Zellsteuereinheit 12. Beispiele für das Übertragungsverfahren umfassen ein Übertragungsverfahren, bei dem z. B. eine Anzeige oder eine Druckvorrichtung verwendet wird.The anomaly cause detection unit 16 notes a cause of an abnormality occurring in the first manufacturing machine or the second manufacturing machine or a cause of an abnormality that may occur in the future based on the difference between the first internal information and the second internal information provided by the unit 15 to compare internal information. The anomaly cause transmission unit 17 transmits the cause of the anomaly detected by the abnormality cause detection unit 16 was determined to the exterior of the cell control unit 12 , Examples of the transmission method include a transmission method in which z. B. a display or a printing device is used.
  • In dieser Hinsicht umfassen Beispiele für den Antriebsparameter, den Funktionsparameter, das Betriebsprogramm und das Betriebsprogrammprotokoll, die als interne Information der Fertigungsmaschinen erfasst werden, hauptsächlich die folgenden Informationen.In this regard, examples of the drive parameter, the function parameter, the operation program and the operation program log, which are detected as internal information of the production machines, mainly include the following information.
  • Der Antriebsparameter ist ein Parameter, der direkt mit dem Antrieb einer Fertigungsmaschine assoziiert ist. Beispielsweise bei einem Gelenkroboter, der von einem Servomotor als Antriebsquelle betrieben wird, umfasst der Antriebsparameter eine Pulszahl in der Mastering-Position jeder Achse eines Roboters, einen Servosteuerungsparameter usw. Eine Robotersteuervorrichtung steuert Peripheriegerätschaft, z. B. eine Hand, die von einem Servomotor angetrieben wird, oder in manchen Fällen eine Punktschweißpistole, und demgemäß umfasst der Antriebsparameter Parameter, die mit dem Antrieb der Peripheriegerätschaft assoziiert sind.The drive parameter is a parameter that is directly associated with the drive of a production machine. For example, in an articulated robot operated by a servomotor as a drive source, the drive parameter includes a pulse number in the mastering position of each axis of a robot, a servo control parameter, etc. A robot controller controls peripheral equipment, e.g. A hand driven by a servomotor, or in some cases a spot welding gun, and accordingly the drive parameter includes parameters associated with the drive of the peripheral equipment.
  • Der Funktionsparameter ist ein Parameter, der so eingestellt werden sollte, dass er eine vordefinierte Funktion betreibt, die in einer Fertigungsmaschine umfasst ist. The function parameter is a parameter that should be set to operate a predefined function included in a manufacturing machine.
  • Beispiele für den Funktionsparameter umfassen Netzwerkeinstellungsinformationen und Signalzuweisungsinformationen, die erforderlich sind, wenn eine Fertigungsmaschine mit einer Zellsteuereinheit und einer Peripheriegerätschaft über ein Feldnetzwerk verbunden ist, eine Softwarefunktion und einen Zähler, der von einem Betriebsprogramm aus zugänglich ist. Ferner umfasst der Funktionsparameter einen Ermittlungsschwellenwert einer Anomalieermittlungsfunktion, die in einer Fertigungsmaschine umfasst ist, z. B. den oberen Grenzwert für das Drehmoment eines Servomotors, der verwendet wird, um zu ermitteln, dass ein vom Servomotor als Antriebsquelle betriebener Gelenkroboter eine übermäßige Last aufnimmt.Examples of the function parameter include network setting information and signal assignment information required when a manufacturing machine is connected to a cell controller and a peripheral device via a field network, a software function, and a counter accessible from an operating program. Further, the function parameter includes a detection threshold of an anomaly detection function included in a manufacturing machine, e.g. For example, the upper limit value for the torque of a servo motor used to determine that an articulated robot operated by the servo motor as a drive source receives an excessive load.
  • Das Betriebsprogramm ist die Informationen, die durch eine Programmierungsbefehlsverarbeitung erhalten werden, mit der ein Fertigungsmaschine veranlasst wird, einen vordefinierten Betrieb durchzuführen. Beispielsweise bei einem Gelenkroboter umfasst das Betriebsprogramm Informationen, z. B. einen Betriebsbefehl zum Bewegen eines Arms in eine Betriebsposition, einen Befehl zum Übertragen eines bestimmten Signals nach außen, einen Befehl zum Lesen des Status des bestimmten Signals usw. Das Betriebsprogramm umfasst außerdem die Positionsinformationen der Betriebsposition und die Zahl eines zu betreibenden Signals. Natürlich ist jeder Befehl, der im Programm registriert werden kann, akzeptabel. Kurz gesagt ist die vorliegende Erfindung nicht auf die hier als Beispiele beschriebenen Programmierinformationen beschränkt.The operation program is the information obtained by a programming command processing that causes a manufacturing machine to perform a predefined operation. For example, in an articulated robot, the operating program includes information, eg. An operation command for moving an arm to an operating position, an instruction to transmit a specific signal to the outside, a command to read the status of the particular signal, etc. The operation program also includes the position information of the operating position and the number of a signal to be operated. Of course, every command that can be registered in the program is acceptable. In short, the present invention is not limited to the programming information described here as examples.
  • Das Betriebsprogrammprotokoll (auch als „Betriebsprotokoll“ bezeichnet), ist die Informationen, die durch Aufzeichnen von Schlüsselereignissen, die empfangen werden, wenn ein Benutzer eine Fertigungsmaschine betreibt oder die Fertigungsmaschine selbst einen bestimmten Betrieb durchführt, in jeder Zeitreihe erhalten werden. Beispiele für das Betriebsprogrammprotokoll umfassen die Protokollinformationen eines Schlüsselbetriebs, die vom Benutzer unter Verwendung eines Bedienfelds der Fertigungsmaschine eingegeben werden, und die Bildschirminformationen, die auf einer Anzeige angezeigt werden. Alternativ kann das Betriebsprogrammprotokoll die Informationen sein, die durch Anordnen von Befehlsprozessen, die durchgeführt werden, wenn das Betriebsprogramm ausgeführt wird, in einer Zeitreihe erhalten werden.The operation program log (also referred to as "operation log") is the information obtained by recording key events received when a user operates a production machine or the production machine itself performs a specific operation in each time series. Examples of the operation program log include the log information of a key operation input by the user using a control panel of the production machine and the screen information displayed on a display. Alternatively, the operation program log may be the information obtained by arranging command processes performed when the operation program is executed in a time series.
  • Wie oben beschrieben, wurden die Basiskomponenten der Zellsteuereinheit 12 gemäß der vorliegenden Ausführungsform beschrieben. Es wird jedoch bevorzugt, dass die vorliegende Erfindung ferner diverse Arten von Komponenten umfasst, die nachstehend beschrieben werden. Anders ausgedrückt wird bevorzugt, dass, wie in 2 gezeigt, eine Einheit 18 zum Korrigieren eines anomalen Abschnitts, eine Betriebsbefehlsergänzungseinheit 19, eine Vergleichsobjektauswahleinheit 20, eine Anomalieerkennungseinheit 21, eine Datenbank 22, eine Datenbankaktualisierungseinheit 23 und ein Lerninstrument 24 ferner in der Zellsteuereinheit 12 bereitgestellt sind. Die Funktionen dieser Komponenten werden nachstehend sukzessive beschrieben.As described above, the basic components of the cell controller became 12 described according to the present embodiment. However, it is preferred that the present invention further encompasses various types of components, which will be described below. In other words, it is preferable that, as in 2 shown a unit 18 for correcting an abnormal portion, an operation command supplement unit 19 , a comparison object selection unit 20 , an anomaly detection unit 21 , a database 22 , a database update unit 23 and a learning tool 24 further in the cell control unit 12 are provided. The functions of these components will be described below successively.
  • Wenn zumindest eines des Antriebsparameters, des Funktionsparameters und des Betriebsprogramms eine Ursache einer Anomalie ist, korrigiert die Einheit 18 zum Korrigieren eines anomalen Abschnitts einen Abschnitt mit Anomalie. Wenn ein Mangel eines Betriebsbefehls an eine Fertigungsmaschine eine Ursache einer Anomalie ist, ergänzt die Betriebsbefehlsergänzungseinheit 19 den Betriebsbefehl mit dem Mangel. Beispielsweise wenn der Unterschied zwischen dem Betriebsprogrammprotokoll in den ersten internen Informationen und dem Betriebsprogrammprotokoll in den zweiten internen Informationen einen Mangel des Betriebsbefehls in den ersten oder zweiten internen Informationen verursacht, ergänzt die Betriebsbefehlsergänzungseinheit 19 den Mangel des Betriebsbefehls.If at least one of the drive parameter, the function parameter and the Operating program is a cause of anomaly, corrects the unit 18 for correcting an abnormal section, a section with anomaly. When a lack of an operation command to a production machine is a cause of an abnormality, the operation command supplement unit supplements 19 the operation command with the defect. For example, when the difference between the operation program log in the first internal information and the operation program log in the second internal information causes a lack of the operation command in the first or second internal information, the operation command supplement unit supplements 19 the defect of the operating order.
  • Die Vergleichsobjektauswahleinheit 20 wählt die erste Fertigungsmaschine und die zweite Fertigungsmaschine, die in der Einheit 15 zum Vergleichen von internen Informationen zu vergleichen sind, aus den Fertigungsmaschinen 25 bis 28 aus. Beispielsweise bezieht sich die Vergleichsobjektauswahleinheit 20 auf Vorrichtungskonfigurationsinformationen, die mit jeder Fertigungsmaschine assoziiert sind und die die Komponenten der Fertigungsmaschine darstellen, um Elemente der Vorrichtungskonfigurationsinformationen miteinander zu vergleichen. Somit ist die Vergleichsobjektauswahleinheit 20 so konfiguriert, dass sie die erste Fertigungsmaschine, bei der eine Anomalie auftritt, und die zweite Fertigungsmaschine mit Komponenten ähnlich jenen der ersten Fertigungsmaschine auswählt. Alternativ kann die Vergleichsobjektauswahleinheit 20 die erste Fertigungsmaschine und die zweite Fertigungsmaschine, die zu vergleichen sind, auf Basis der registrierten Informationen vergleichen, die durch vorheriges Registrieren der Korrelation zwischen der ersten Fertigungsmaschine und der zweiten Fertigungsmaschine, die einander ähnlich sind, erhalten wurden.The comparison object selection unit 20 chooses the first production machine and the second production machine, which are in the unit 15 For comparing internal information compare, from the manufacturing machines 25 to 28 out. For example, the comparison object selection unit refers 20 on device configuration information associated with each manufacturing machine and representing the components of the manufacturing machine to compare elements of the device configuration information. Thus, the comparison object selection unit 20 configured to select the first manufacturing machine experiencing an abnormality and the second manufacturing machine having components similar to those of the first production machine. Alternatively, the comparison object selection unit 20 compare the first manufacturing machine and the second manufacturing machine to be compared on the basis of the registered information obtained by previously registering the correlation between the first manufacturing machine and the second manufacturing machine that are similar to each other.
  • Die Anomalieerkennungseinheit 21 ist so konfiguriert, dass sie das Auftreten einer Anomalie erkennt, während sie den Status jeder der Fertigungsmaschinen 25 bis 28 überwacht. Die Anomalieerkennungseinheit 21 überträgt außerdem die Informationen darüber, welche der Fertigungsmaschinen eine Anomalie zeigt, an die Vergleichsobjektauswahleinheit 20. Eine solche Funktion zum Erkennen des Auftretens einer Anomalie kann in der Funktion der Vergleichsobjektauswahleinheit 20 umfasst sein, ohne dass sie als Anomalieerkennungseinheit 21 getrennt bereitgestellt wird. Ferner wird bevorzugt, dass eine Mehrzahl von Sensoren (nicht gezeigt) in jeder Fertigungsmaschine bereitgestellt ist, um diverse Zustände jeder der Fertigungsmaschinen 25 bis 28 zu erkennen.The anomaly detection unit 21 is configured to detect the occurrence of an anomaly while monitoring the status of each of the manufacturing machines 25 to 28 supervised. The anomaly detection unit 21 also transmits the information about which of the manufacturing machines shows an anomaly to the comparison object selection unit 20 , Such a function for detecting the occurrence of an anomaly may be in the function of the comparison object selection unit 20 includes without being considered an anomaly detection unit 21 is provided separately. Further, it is preferable that a plurality of sensors (not shown) are provided in each manufacturing machine to detect various states of each of the production machines 25 to 28 to recognize.
  • Die Datenbank 22 ist so konfiguriert, dass sie den Status einer Anomalie, die in jeder Fertigungsmaschine aufgetreten ist, und eine Ursache des Auftretens der Anomalie, die miteinander in Korrelation stehen, speichert. Dies ermöglicht, dass die Anomalieursachenfeststelleinheit 16 unter Bezugnahme auf eine Anomalieursachen-Verwaltungsdatenbank eine Ursache der Anomalie, die entweder in der ersten Fertigungsmaschine oder der zweiten Fertigungsmaschine auftritt, oder eine Ursache einer Anomalie, die in der Zukunft auftreten kann, feststellt.Database 22 is configured to store the status of an anomaly that has occurred in each manufacturing machine and a cause of the occurrence of the anomaly that are correlated with each other. This allows the anomaly cause detection unit 16 referring to an anomaly cause management database, a cause of the abnormality occurring in either the first manufacturing machine or the second production machine or a cause of an abnormality that may occur in the future.
  • Die Datenbankaktualisierungseinheit 23 ist so konfiguriert, dass sie die in der Datenbank 22 gespeicherten Informationen aktualisiert. Die Datenbankaktualisierungseinheit 23 gibt den Status der Anomalie, die in der ersten Fertigungsmaschine oder der zweiten Fertigungsmaschine aufgetreten ist, und den Unterschied zwischen den ersten internen Informationen und den zweiten internen Informationen, der durch die Einheit 15 zum Vergleichen von internen Informationen erhalten wird und der die Anomalie zu diesem Zeitpunkt verursacht, in die Datenbank 22 ein. Wenn das Produktionssystem 10 gemäß der vorliegenden Ausführungsform mit einer Mehrzahl von Zellsteuereinheiten 12 bereitgestellt ist, wird bevorzugt, dass eine Datenbankfreigabeeinheit (nicht gezeigt) wie z. B. ein Server zum gemeinsamen Nutzen der Datenbank 22 zwischen einer Zellsteuereinheit 12 und einer weiteren Zellsteuereinheit 12 bereitgestellt ist.The database update unit 23 is configured to be the one in the database 22 updated information stored. The database update unit 23 indicates the status of the anomaly that has occurred in the first manufacturing machine or the second manufacturing machine, and the difference between the first internal information and the second internal information provided by the unit 15 is obtained for comparing internal information and causing the anomaly at that time in the database 22 one. If the production system 10 according to the present embodiment with a plurality of cell control units 12 is provided that a database release unit (not shown) such. A server for sharing the database 22 between a cell controller 12 and another cell control unit 12 is provided.
  • Das Lerninstrument 24 ist in der Datenbankaktualisierungseinheit 23 bereitgestellt. Das Lerninstrument 24 lernt eine Kombination des Status der Anomalie, die in jeder Fertigungsmaschine aufgetreten ist, mit einer Ursache des Auftretens der Anomalie, die in der Datenbank 22 zu speichern ist.The learning tool 24 is in the database update unit 23 provided. The learning tool 24 learns a combination of the status of the anomaly that has occurred in each manufacturing machine, with a cause of the occurrence of the anomaly occurring in the database 22 to save.
  • Die Einheit 18 zum Korrigieren eines anomalen Abschnitts, die Betriebsbefehlsergänzungseinheit 19, die Vergleichsobjektauswahleinheit 20, die Anomalieerkennungseinheit 21, die Datenbank 22, die Datenbankaktualisierungseinheit 23 und das Lerninstrument 24 sind jedoch nicht notwendigerweise in der Zellsteuereinheit gemäß der Erfindung dieser Anmeldung bereitgestellt.The unit 18 for correcting an abnormal portion, the operation command supplement unit 19 , the comparison object selection unit 20 , the anomaly detection unit 21 , database 22 , the database update unit 23 and the learning tool 24 however, are not necessarily provided in the cell controller according to the invention of this application.
  • Der Betrieb der Zellsteuereinheit 12 gemäß der vorliegenden Ausführungsform wird nun unter Bezugnahme auf 2 beschrieben.The operation of the cell control unit 12 according to the present embodiment will now be described with reference to 2 described.
  • Man nehme den Fall an, dass eine Anomalie in der Fertigungsmaschine 26 (d. h. dem in 1 gezeigten Roboter R1) der Fertigungsmaschinen 25 bis 28 auftritt. Diese Anomalie wird von der Anomalieerkennungseinheit 21 erkannt. Diese bewirkt, dass die Vergleichsobjektauswahleinheit 20 die Fertigungsmaschine 28 (d. h. den in 1 gezeigten Roboter R2) mit ähnlichen Komponenten wie jene der Fertigungsmaschine 26 aus den Fertigungsmaschinen 25 bis 28 auswählt.Assuming the case of an anomaly in the manufacturing machine 26 (ie the in 1 shown robot R1) of the production machines 25 to 28 occurs. This anomaly comes from the anomaly detection unit 21 recognized. This causes the comparison object selection unit 20 the production machine 28 (ie the in 1 shown robot R2) with similar components as those of the production machine 26 from the manufacturing machines 25 to 28 selects.
  • Insbesondere wenn die Vergleichsobjektauswahleinheit 20 eine Fertigungsmaschine ähnlich der Fertigungsmaschine 26 auswählt, unterscheidet sie zwischen der Ähnlichkeit der Fertigungsmaschine unter Verwendung der Identifikationsinformationen, z. B. eines in jeder Fertigungsmaschine registrierten Modellnamens. Beispiel wird bestätigt, ob der Modellname des Roboters R1 mit dem Modellnamen des Roboters R2 identisch ist. Alternativ können die Informationen, dass die Fertigungsmaschine 26 und die Fertigungsmaschine 28 ähnliche Konfigurationen haben, vorab in der Zellsteuereinheit 12 gespeichert werden, und kann zwischen der Ähnlichkeit zwischen den Fertigungsmaschinen unterschieden werden. Beispielsweise wird die Tatsache, dass der Roboter R1 und der Roboter R2 ähnliche Konfigurationen aufweisen, vorab in der Vergleichsobjektauswahleinheit 20 registriert. In particular, when the comparison object selection unit 20 a production machine similar to the production machine 26 It distinguishes between the similarity of the manufacturing machine using the identification information, for. B. a registered in each production machine model name. For example, it is confirmed whether the model name of the robot R1 is identical with the model name of the robot R2. Alternatively, the information that the manufacturing machine 26 and the manufacturing machine 28 have similar configurations, advance in the cell controller 12 can be stored, and can be distinguished between the similarity between the production machines. For example, the fact that the robot R1 and the robot R2 have similar configurations is made in advance in the comparison object selection unit 20 registered.
  • Folglich vergleicht die Einheit 15 zum Vergleichen von internen Informationen in der Zellsteuereinheit 12 die gleiche Art von Elementen in den ersten internen Informationen A, die von der Fertigungsmaschine 26 erfasst werden, und den zweiten internen Informationen B, die von der Fertigungsmaschine 28 erfasst werden, wodurch ein Unterschied zwischen ihnen extrahiert wird. Man beachte, dass die internen Informationen der Fertigungsmaschine 26 und der Fertigungsmaschine 28 von der Einheit 14 zum Erfassen von internen Informationen vorab erfasst werden.Consequently, the unit compares 15 for comparing internal information in the cell controller 12 the same kind of elements in the first internal information A, that of the manufacturing machine 26 be captured, and the second internal information B, by the manufacturing machine 28 which extracts a difference between them. Note that the internal information of the manufacturing machine 26 and the production machine 28 from the unit 14 to capture internal information in advance.
  • Was die zeitliche Planung des Erfassens der internen Informationen betrifft, so werden die internen Informationen bei manchen Ausführungsformen erfasst, wenn eine Anomalie auftritt, es wird jedoch bevorzugt, dass die internen Informationen in einem vordefinierten Intervall erfasst werden, wenn keine Anomalie auftritt. Dies ist effektiv, wenn in einem System einer Fertigungsmaschine eine schwere Anomalie auftritt und wenn es schwierig ist, die internen Informationen zum Zeitpunkt des Auftretens der Anomalie zu erfassen. Wenn die internen Informationen einer Fertigungsmaschine in einem vordefinierten Intervall erfasst werden, wird bevorzugt, dass die Einheit 15 zum Vergleichen von internen Informationen die internen Informationen verwendet, die in einem vordefinierten Zeitraum vor Auftritt einer Anomalie erfasst wurden.As for the timing of acquiring the internal information, in some embodiments, the internal information is detected when an abnormality occurs, but it is preferable that the internal information is detected at a predefined interval when no anomaly occurs. This is effective when a serious anomaly occurs in a system of a manufacturing machine and when it is difficult to detect the internal information at the time of occurrence of the anomaly. If the internal information of a production machine is acquired at a predefined interval, it is preferred that the unit 15 used to compare internal information with internal information collected in a predefined period of time before an anomaly occurred.
  • Folglich analysiert die Anomalieursachenfeststelleinheit 16 in der Zellsteuereinheit 12 den Unterschied zwischen den ersten internen Informationen A und den zweiten internen Informationen B, die aus der Einheit 15 zum Vergleichen von internen Informationen extrahiert werden, wodurch über eine mögliche Ursache der Anomalie entschieden wird. In dieser Hinsicht wird bevorzugt, dass auf Basis der Information, die wie in den folgenden Beispielen zu vergleichen sind, über eine mögliche Ursache der Anomalie entschieden wird.Thus, the anomaly cause determination unit analyzes 16 in the cell controller 12 the difference between the first internal information A and the second internal information B coming from the unit 15 for comparing internal information, thereby deciding on a possible cause of the anomaly. In this regard, it is preferable that, based on the information to be compared as in the following examples, a possible cause of the anomaly is decided.
  • Man nehme den Fall an, dass beispielsweise der Roboter R1 als Fertigungsmaschine 26 anomal arbeitet, d. h. sich in eine andere Position als die für einen Betrieb korrekte Position bewegt. In diesem Fall werden ein Betriebsprogramm in ersten internen Informationen A, die von der Fertigungsmaschine 26 erfasst werden, d. h. dem Roboter R1, und ein Betriebsprogramm in den zweiten internen Informationen B, die von der Fertigungsmaschine 28 erfasst werden, d. h. dem Roboter R2, verglichen. Folglich wird, wenn die Positionen für einen Betrieb, die in den Betriebsprogrammen registriert sind, sich voneinander unterscheiden, dieser Unterschied der Position für einen Betrieb als Ursache für den anomalen Betrieb ermittelt.Assuming the case that, for example, the robot R1 as a production machine 26 operates abnormally, ie moves to a position other than the correct position for operation. In this case, an operating program in first internal information A, by the manufacturing machine 26 to be detected, ie the robot R1, and an operating program in the second internal information B received from the manufacturing machine 28 be detected, ie the robot R2, compared. Consequently, when the positions for operation registered in the operation programs are different from each other, this difference in position for operation is determined as the cause of the abnormal operation.
  • Man nehme ferner den Fall an, dass die Reihenfolge der Ausführung von Betriebsprogrammen, die im Betriebsprogrammprotokoll in den ersten internen Informationen A zurückbleiben, von Beginn an ein Betriebsprogramm Nr. 1, ein Betriebsprogramm Nr. 2 und ein Betriebsprogramm Nr. 3 ist. Man nehme im Gegensatz dazu den Fall an, dass die Reihenfolge der Ausführung von Betriebsprogrammen, die im Betriebsprotokoll in den zweiten internen Informationen B zurückbleiben, von Beginn an ein Betriebsprogramm Nr. 2, ein Betriebsprogramm Nr. 1 und ein Betriebsprogramm Nr. 3 ist. In diesem Fall wird der Unterschied in der Reihenfolge der Ausführung von Betriebsprogrammen als Ursache des anomalen Betriebs ermittelt.Suppose also the case that the order of execution of operation programs remaining in the operation program log in the first internal information A is from the beginning an operation program No. 1, an operation program No. 2 and an operation program No. 3. By contrast, suppose that the order of execution of operation programs remaining in the operation log in the second internal information B is an operation program No. 2, an operation program No. 1, and an operation program No. 3 from the beginning. In this case, the difference in the order of execution of operation programs is determined as the cause of the abnormal operation.
  • Außerdem sind Inhalte des Betriebsprogrammprotokolls, die zu vergleichen sind, akzeptabel, solange die Inhalte eine Änderung des Status einer Fertigungsmaschine bewirken, wie z. B. die Inhalte des Betriebs in einem Bedienfeld der Fertigungsmaschine und die Ausgabe eines Signals von außen.In addition, contents of the operating program log that are to be compared are acceptable as long as the contents cause a change in the status of a manufacturing machine, such as a production machine. B. the contents of the operation in a control panel of the production machine and the output of a signal from the outside.
  • Man nehme ferner den Fall an, dass die Antriebsparameter in den ersten internen Informationen A und die Antriebsparameter in den zweiten internen Informationen B verglichen werden, und in der Folge liegt ein Unterschied bei einem Servosteuerungsparameter, einem der Antriebsparameter, auf einer bestimmten Achse vor. In diesem Fall wird der Unterschied des Steuerungsparameters als Ursache des anomalen Betriebs ermittelt. Beispiele für die Antriebsparameter umfassen Steuerungsverstärkung bei einem Motor auf jeder Gelenkachse bei einem Gelenkroboter, Mastering-Zählungen und Beschleunigungs-/Entschleunigungs-Zeitkonstanten.Further, assume the case that the drive parameters in the first internal information A and the drive parameters in the second internal information B are compared, and as a result, there is a difference in a servo control parameter, one of the drive parameters, on a particular axis. In this case, the difference of the control parameter is determined as the cause of the abnormal operation. Examples of the drive parameters include control gain in a motor on each articulation axis in an articulated robot, mastering counts, and acceleration / deceleration time constants.
  • Die Anomalieursachenfeststelleinheit 16 kann Bezug auf die Datenbank 22 nehmen, in der der Status einer in jeder der Fertigungsmaschinen 25 bis 28 auftretenden Anomalie und eine Ursache des Auftretens der Anomalie beim Entscheiden über eine mögliche Ursache der Anomalie korreliert und speichert werden, wie oben beschrieben. Es wird bevorzugt, dass die Datenbank 22 nicht nur unabhängig in einer einzelnen Zellsteuereinheit 12 verwendet wird, sondern über ein Netzwerk auch mit anderen Datenbanken 22 in einer Mehrzahl von Zellsteuereinheit 12 gemeinsam genutzt wird.The anomaly cause detection unit 16 can refer to the database 22 take in the status of one in each of the manufacturing machines 25 to 28 occurring anomaly and a cause of Occurrence of the anomaly in deciding on a possible cause of the anomaly will be correlated and stored as described above. It is preferred that the database 22 not only independent in a single cell controller 12 is used, but over a network also with other databases 22 in a plurality of cell controller 12 shared.
  • Folglich überträgt die Anomalieursachenübertragungseinheit 17 in der Zellsteuereinheit 12 die Ursache der Anomalie, die von der Anomalieursachenfeststelleinheit 16 festgestellt wurde, an das Äußere der Zellsteuereinheit 12. In dieser Hinsicht wird die Ursache der Anomalie an eine Ausgabeeinheit (nicht gezeigt) wie z. B. ein Anzeigeinstrument oder eine Druckvorrichtung, die mit dem Zellsteuereinheit 12 verbunden ist, übertragen. Ferner wird die Ursache der Anomalie z. B. über die Kommunikationsvorrichtung 31 an die Fertigungsmaschinen 25 bis 28 übertragen, die mit der Zellsteuereinheit 12 verbunden sind, oder über eine Kommunikationsvorrichtung 32 an die Produktionsverwaltungsvorrichtung 13, die mit der Zellsteuereinheit 12 verbunden ist.Consequently, the abnormality cause transmission unit transmits 17 in the cell controller 12 the cause of the anomaly detected by the abnormality cause detection unit 16 was determined to the exterior of the cell control unit 12 , In this regard, the cause of the anomaly to an output unit (not shown) such. B. a display instrument or a printing device, with the cell control unit 12 connected, transmitted. Furthermore, the cause of the anomaly z. B. via the communication device 31 to the production machines 25 to 28 transferred to the cell controller 12 connected via a communication device 32 to the production management device 13 using the cell control unit 12 connected is.
  • Der Benutzer repariert die Fertigungsmaschine 26, bei der eine Anomalie auftritt, auf Basis der Informationen zur Ursache der Anomalie, die von der Anomalieursachenübertragungseinheit 17 übertragen wurden.The user repairs the production machine 26 in which an anomaly occurs based on the cause of anomaly information provided by the abnormality cause transmission unit 17 were transferred.
  • Wenn die Fertigungsmaschine 26 repariert ist, kann die Einheit 18 zum Korrigieren eines anomalen Abschnitts in der Zellsteuereinheit 12 anstatt des Benutzers auf die Fertigungsmaschine 26 zugreifen, um Parameter und dergleichen zu korrigieren, die eine Anomalie verursachen. Wenn ein Mangel in der Betriebsverfahrensweise der Fertigungsmaschine 26 vorliegt, kann alternativ die Betriebsbefehlsergänzungseinheit 19 in der Zellsteuereinheit 12 den Betrieb automatisch ergänzen.If the manufacturing machine 26 repaired, the unit can 18 for correcting an abnormal portion in the cell control unit 12 instead of the user on the production machine 26 to correct parameters and the like causing an anomaly. If a defect in the operating procedure of the manufacturing machine 26 may alternatively be the operation command supplement unit 19 in the cell controller 12 to complement the operation automatically.
  • Man nehme den Fall an, dass z. B. Wartungsprogramme in zwei ähnlichen Robotern R1 und R2 periodisch aktiviert werden sollten. In diesem Fall wird in manchen Fällen ein Wartungsprogramm für den Roboter R1 aktiviert, für den Roboter R2 wird hingegen kein Wartungsprogramm aktiviert und der Roboter R2 produziert weiterhin Produkte. In dieser Hinsicht vergleichen bei der vorliegenden Ausführungsform die Einheit 15 zum Vergleichen von internen Informationen und die Anomalieursachenfeststelleinheit 16 die Betriebsprotokolle der Roboter R1 und R2, bevor die Produktion mit dem Roboter R2 fortgesetzt wird, wodurch ein Fehler bei der Aktivierung des Wartungsprogramms festgestellt wird. Danach aktiviert die Betriebsbefehlsergänzungseinheit 19 das Wartungsprogramm für den Roboter R2 automatisch, bevor die Produktion mit dem Roboter R2 fortgesetzt wird.Take the case that z. For example, maintenance programs in two similar robots R1 and R2 should be periodically activated. In this case, in some cases a maintenance program for the robot R1 is activated, for the robot R2, however, no maintenance program is activated and the robot R2 continues to produce products. In this regard, in the present embodiment, the unit compares 15 for comparing internal information and the abnormality cause determination unit 16 the operating logs of the robots R1 and R2 before continuing production with the robot R2, thereby detecting an error in the activation of the maintenance program. Thereafter, the operation command supplement unit activates 19 the maintenance program for the robot R2 automatically before the production is continued with the robot R2.
  • Es wird bevorzugt, dass, als Betriebe, die mit dem Reparieren der Fertigungsmaschine 26 assoziiert sind, der Status einer Anomalie, die dieses Mal in der Fertigungsmaschine 26 auftritt, und der Unterschied zwischen den ersten internen Informationen A und den zweiten internen Informationen B, der die Anomalie verursacht, in der Datenbank 22 widergespiegelt werden. Eine solche Aktualisierung der Informationen der Datenbank 22 kann durch eine Eingabe des Benutzers erfolgen oder kann von der Datenbankaktualisierungseinheit 23 automatisch durchgeführt werden.It is preferred that, as establishments involved with repairing the manufacturing machine 26 the status of an anomaly, this time in the manufacturing machine 26 occurs, and the difference between the first internal information A and the second internal information B causing the anomaly occurs in the database 22 be reflected. Such an update of the information of the database 22 may be done by an input of the user or may be made by the database updating unit 23 be carried out automatically.
  • Wenn die Informationen der Datenbank 22 von der Datenbankaktualisierungseinheit 23 automatisch aktualisiert werden, wird ferner bevorzugt, dass das Lerninstrument 24 ein Maschinenlernen durchführt. Das Lerninstrument 24 führt ein Maschinenlernen, z. B. ein nichtüberwachtes Lernen, unter Verwendung der in der Datenbank 22 gesammelten Informationen, der internen Informationen, die von der Einheit 14 zum Erfassen von internen Informationen erfasst werden, oder der Vorrichtungskonfigurationsinformationen, die die Komponenten einer Fertigungsmaschine darstellen, durch. Danach generiert die Datenbankaktualisierungseinheit 23 erneut eine Entsprechungsbeziehung zwischen einer Anomalie, die in der Datenbank nicht registriert ist und noch nicht aufgetreten ist, und einer Ursache der Anomalie auf Basis von Ergebnisses des Lernens, wodurch die Datenbank 22 aktualisiert wird. Man nehme den Fall an, dass z. B. ein anomales Ereignis, bei dem eine erste Achse des Roboters R1, ein Gelenkroboter mit 6 Achsen, nicht normal arbeitet, in der Vergangenheit aufgetreten ist und der Roboter R1 und der Roboter R2 mit ähnlichen Komponenten wie jene des Roboters R1 verglichen wurden. Man nehme an, dass ein Unterschied des Servosteuerungsparameters der ersten Achse zu diesem Zeitpunkt als Vergleichsergebnis vorliegt und der Unterschied die Anomalie verursacht. Man nehme an, dass das Lerninstrument 24 ein Ergebnis eines Lernens, d. h. der Tatsache, dass das ähnliche anomale Ereignis bei einer anderen Achse als der ersten Achse auftreten kann, aus den Informationen zu einem solchen Unterschied und den Vorrichtungskonfigurationsinformationen, die darstellen, dass die Fertigungsmaschine ein Gelenkroboter mit 6 Achsen ist, erhält. Dieses Lernergebnis veranlasst die Datenbankaktualisierungseinheit, die Informationen, bei denen ein anomales Ereignis, wobei eine zweite Achse nicht normal arbeitet, durch den Servosteuerungsparameter der zweiten Achse verursacht wird, neu in der Datenbank 22 zu registrieren.If the information of the database 22 from the database update unit 23 are automatically updated, it is further preferred that the learning tool 24 performs a machine learning. The learning tool 24 leads a machine learning, z. For example, unmonitored learning using the database 22 information collected, the internal information provided by the unit 14 for capturing internal information or the device configuration information representing the components of a manufacturing machine. Thereafter, the database update unit generates 23 again, a correspondence relationship between an anomaly that is not registered in the database and that has not yet occurred, and a cause of the anomaly based on results of learning, which causes the database 22 is updated. Take the case that z. For example, an abnormal event in which a first axis of the robot R1, a 6-axis articulated robot, does not operate normally has occurred in the past, and the robot R1 and the robot R2 have been compared with similar components as those of the robot R1. Assume that a difference of the servo control parameter of the first axis at this time exists as a comparison result and the difference causes the anomaly. Suppose that the learning tool 24 a result of learning, that is, the fact that the similar abnormal event may occur on an axis other than the first axis, is obtained from the information on such difference and the device configuration information representing that the manufacturing machine is a 6-axis articulated robot , This learning result causes the database updating unit, the information in which an abnormal event where a second axis is abnormal, to be caused by the servo control parameter of the second axis to be newly stored in the database 22 to register.
  • Man nehme ferner an, dass das Maschinenlernen unter Verwendung des Betriebsprogrammprotokolls in den internen Informationen des Roboters R1 durchgeführt wird und Belege dafür, dass der Servosteuerungsparameter der ersten Achse vom Benutzer in der Vergangenheit überschrieben wurde, gefunden werden. In diesem Fall kann ein weiteres Ergebnis des Lernens erhalten werden, wobei direkte Ursachen der anomalen Bewegung nicht nur Servosteuerungsparameter, sondern auch inkorrekte Betriebe des Benutzers umfassen. Auf diese Weise registriert die Datenbankaktualisierungseinheit 23 die Informationen zu den inkorrekten Betrieben in der Datenbank 22 neu. Wie oben beschrieben, wird eine Mehrzahl von Elementen von Informationen aus vielen Richtungen durch das Maschinenlernen analysiert, so dass die Informationen der Datenbank 22 aktualisiert werden können.Assume further that the machine learning is performed using the operating program protocol in the internal information of the robot R1 and evidence that the servo control parameter of the first axis of the User has been overwritten in the past. In this case, another result of the learning can be obtained, wherein direct causes of the abnormal movement include not only servo control parameters but also incorrect operations of the user. In this way, the database update unit registers 23 the information on the incorrect establishments in the database 22 New. As described above, a plurality of items of information from many directions are analyzed by the machine learning, so that the information of the database 22 can be updated.
  • Wie oben beschrieben, erfasst die Zellsteuereinheit 12 gemäß der vorliegenden Ausführungsform diverse Arten von internen Informationen einer Fertigungsmaschine wie z. B. Parameter oder Betriebsprotokolle der Fertigungsmaschine, durch Kommunizieren mit den Fertigungsmaschinen 25 bis 28 über ein Netzwerk. Was die Fertigungsmaschine 26 mit einer Anomalie und die Fertigungsmaschine 28, die der Fertigungsmaschine 26 ähnlich und normal arbeitet, betrifft, so werden ferner diverse Arten von Elementen der internen Informationen verglichen und wird ein Unterschied zwischen diesen analysiert. Ferner wird eine Ursache der Anomalie anhand eines Ergebnisses der Analyse und durch die Unterstützung zum schnellen Reparieren der Fertigungsmaschine 26 mit der Anomalie, z. B. Alarmausgabe nach außen, Korrektur eines anomalen Abschnitts, Ergänzen eines Betriebsbefehls usw., früher festgestellt. Solche Verfahren ermöglichen das Feststellen einer Ursache einer Anomalie, die bei einer Fertigungsmaschine auftritt, oder einer Ursache einer Anomalie, die in der Zukunft auftreten kann, insbesondere einer Ursache einer Anomalie, die durch die internen Informationen einer Fertigungsmaschine verursacht wird. As described above, the cell controller detects 12 According to the present embodiment, various types of internal information of a production machine such. As parameters or operating logs of the production machine, by communicating with the production machines 25 to 28 over a network. What the manufacturing machine 26 with an anomaly and the manufacturing machine 28 that of the manufacturing machine 26 Similar and normal working, further, various kinds of elements of the internal information are compared, and a difference between them is analyzed. Further, a cause of the anomaly becomes based on a result of the analysis and the assistance for quickly repairing the production machine 26 with the anomaly, z. Alarm output to the outside, correction of an abnormal portion, completion of an operation command, etc., found earlier. Such methods make it possible to detect a cause of an abnormality occurring in a manufacturing machine or a cause of an abnormality that may occur in the future, especially a cause of an abnormality caused by the internal information of a manufacturing machine.
  • Insbesondere erfasst die Einheit 14 zum Erfassen von internen Informationen periodisch die internen Informationen der Fertigungsmaschinen 25 bis 28, bei denen keine Anomalie auftritt, und die Einheit 15 zum Vergleichen von internen Informationen vergleicht Elemente der internen Informationen von zwei ähnlichen Fertigungsmaschinen 26 und 28, die periodisch erfasst wurden, sukzessiv. Wenn die Einheit 15 zum Vergleichen von internen Informationen einen Unterschied feststellt, der noch keine Anomalie verursacht hat, aber in der Zukunft wahrscheinlich eine Anomalie verursachen wird, wird der Unterschied an das Äußere der Zellsteuereinheit 12 übertragen. Dies verhindert, dass eine durch die internen Informationen einer Fertigungsmaschine verursachte Anomalie auftritt.In particular, the unit captures 14 to collect internal information periodically the internal information of the production machines 25 to 28 in which no anomaly occurs, and the unit 15 Comparing internal information compares elements of internal information from two similar manufacturing machines 26 and 28 , which were recorded periodically, successively. If the unit 15 To compare internal information to a difference that has not yet caused an anomaly, but is likely to cause an anomaly in the future, the difference becomes to the exterior of the cell controller 12 transfer. This prevents anomaly caused by the internal information of a manufacturing machine from occurring.
  • Das Lerninstrument 24 (im Folgenden als „Maschinenlernvorrichtung“ bezeichnet) wird nun ausführlich beschrieben. Die Maschinenlernvorrichtung hat eine Funktion zum analytischen Extrahieren nützlicher Regeln und Wissensdarstellungen, Ermittlungskriterien usw. aus der Zusammenstellung von in die Vorrichtung eingegebenen Daten und eine Funktion zum Ausgeben der Ermittlungsergebnisse und Wissensdarstellungen. Es gibt diverse Maschinenlernverfahren und die Verfahren werden grob in „überwachtes Lernen“, „nichtüberwachtes Lernen“ und „Verstärkungslernen“ unterteilt. Um diese Lernverfahren zu erzielen, gibt es ein weiteres Verfahren, das als „tiefes Lernen“ bezeichnet wird, um eine Merkmalsquantität selbst zu extrahieren.The learning tool 24 (hereinafter referred to as "machine learning device") will now be described in detail. The machine learning apparatus has a function of analytically extracting useful rules and knowledge representations, determination criteria, etc. from the composition of data input to the apparatus and a function of outputting the determination results and knowledge representations. There are several machine learning techniques and the procedures are roughly divided into "supervised learning", "unmonitored learning" and "reinforcement learning". In order to achieve these learning methods, there is another method called "deep learning" to extract a feature quantity by itself.
  • „Überwachtes Lernen“ ist ein Verfahren, bei dem ein großes Volumen von gepaarten (markierten) Eingabe-Ausgabe-Daten an eine Maschinenlernvorrichtung bereitgestellt werden, so dass Charakteristika dieser Datensätze gelernt werden können, und ein Modell zum Ableiten eines Ausgabewerts aus Eingabedaten, d. h. die Eingabe-Ausgabe-Beziehung, kann induktiv erfasst werden. Dies kann unter Verwendung eines Algorithmus erzielt werden, z. B. eines neuronalen Netzwerks, das später beschrieben wird."Monitored learning" is a method in which a large volume of paired (marked) input-output data is provided to a machine learning device so that characteristics of these data sets can be learned, and a model for deriving an output value from input data, i. H. the input-output relationship, can be detected inductively. This can be achieved using an algorithm, e.g. A neural network, which will be described later.
  • „Nichtüberwachtes Lernen“ ist ein Verfahren, bei dem ein großes Volumen von Nur-Eingabe-Daten an eine Maschinenlernvorrichtung bereitgestellt werden, so dass die Verteilung der Eingabedaten gelernt werden kann, und eine Vorrichtung z. B. zum Komprimieren, Klassifizieren und Glätten der Eingabedaten kann gelernt werden, sogar wenn die entsprechenden Lehrerausgabedaten nicht bereitgestellt werden. Beispielsweise können Charakteristika dieser Datensätze auf Basis deren Ähnlichkeit geclustert werden. Das aus dem Lernen erhaltene Ergebnis wird verwendet, um ein gewisses Kriterium einzustellen, und danach wird eine Zuweisung einer Ausgabe durchgeführt, um das Kriterium zu optimieren, so dass eine Ausgabeprognose erzielt werden kann. Zwischen dem „nichtüberwachten Lernen“ und dem „überwachten Lernen“ gibt es ein weiteres Problemlösungsverfahren, das als „semiüberwachtes Lernen“ bekannt ist. Bei diesem Lernverfahren wird ein kleines Volumen von gepaarten Eingabe-Ausgabe-Daten und ein großes Volumen von Nur-Eingabedaten bereitgestellt."Unmonitored learning" is a method in which a large volume of input-only data is provided to a machine learning device so that the distribution of the input data can be learned, and a device e.g. For example, for compressing, classifying and smoothing the input data can be learned even if the corresponding teacher output data is not provided. For example, characteristics of these records may be clustered based on their similarity. The result obtained from the learning is used to set a certain criterion, and thereafter an assignment of an output is performed to optimize the criterion so that an output prediction can be achieved. Between "unsupervised learning" and "supervised learning" there is another problem solving method known as "semi-supervised learning". In this learning method, a small volume of paired input-output data and a large volume of input-only data are provided.
  • Probleme werden beim Verstärkungslernen wie folgt gelöst.
    • • Eine Maschinenlernvorrichtung beobachtet den Umgebungsstatus und entscheidet über eine Aktion.
    • • Die Umgebung variiert gemäß gewissen Regeln und Ihre Aktion kann die Umgebung beeinflussen.
    • • Ein Vergütungssignal wird bei jeder Aktion zurückgegeben.
    • • Das Ziel der Maximierung ist sodann die Summe von (Diskontierungs)Vergütungen, die jetzt und in der Zukunft zu erhalten sind.
    • • Das Lernen beginnt in dem Status, in dem ein Ergebnis, das durch eine Aktion bewirkt wird, vollständig unbekannt oder teilweise bekannt ist. Die Maschinenlernvorrichtung kann das Ergebnis erst dann als Daten erfassen, nachdem sie tatsächlich mit dem Betrieb begonnen hat. Anders ausgedrückt ist es erforderlich, die optimale Aktion durch die Trial-and-Error-Methode zu erhalten.
    • • Es ist außerdem möglich, als Ausgangsstatus den Status einzustellen, bei dem ein vorheriges Lernen (z. B. das obige überwachte Lernen oder ein umgekehrtes Verstärkungslernen) durchgeführt wird, um die Aktion einer Person nachzuahmen, und mit dem Lernen von einem geeigneten Startpunkt zu starten.
    Problems are solved in reinforcement learning as follows.
    • • A machine learning device observes the environmental status and decides on an action.
    • • The environment varies according to certain rules and your action can affect the environment.
    • • A reward signal is returned for each action.
    • • The goal of maximization is then the sum of (discounting) allowances to be received now and in the future.
    • • The learning begins in the state in which a result, which is caused by an action, is completely unknown or partially known. The machine learning device can capture the result as data only after it has actually started to operate. In other words, it is necessary to obtain the optimal action through the trial and error method.
    • • It is also possible to set as the initial status the status at which previous learning (eg, the above supervised learning or reverse reinforcement learning) is performed to mimic the action of a person and learning from a suitable starting point start.
  • Das „Verstärkungslernen“ ist ein Lernverfahren zum Lernen von nicht nur Ermittlungen oder Klassifikationen, sondern auch von Aktionen, um eine geeignete Aktion auf Basis der Interaktion einer Umgebung mit einer Aktion zu lernen, d. h. eine Aktion zum Maximieren der Vergütungen, die in der Zukunft erhalten werden. Dies indiziert, dass bei der vorliegenden Ausführungsform eine Aktion, die eine Wirkung auf die Zukunft haben kann, erfasst werden kann. Das Verstärkungslernen wird nachstehend unter Verwendung von z. B. Q-Learning weiter erläutert, das Verstärkungslernen ist jedoch nicht auf das Q-Learning beschränkt.The "reinforcement learning" is a learning method for learning not only determinations or classifications but also actions to learn an appropriate action based on the interaction of an environment with an action, i. H. an action to maximize the compensation received in the future. This indicates that in the present embodiment, an action that may have an effect on the future can be detected. The gain learning will be described below using z. B. Q-Learning further explained, but the reinforcement learning is not limited to the Q-Learning.
  • Das Q-Learning ist ein Verfahren zum Lernen einen Werts Q(s, a), bei dem eine Aktion a unter einem Umgebungsstatus s ausgewählt wird. Anders ausgedrückt ist nur erforderlich, dass die Aktion a mit dem höchsten Wert Q(s, a) als optimale Aktion a unter einem bestimmten Status s ausgewählt wird. Zu Beginn ist der korrekte Wert des Werts Q(s, a) für eine Kombination aus dem Status s und der Aktion a jedoch gänzlich unbekannt. Danach wählt ein Agent (Subjekt einer Aktion) diverse Aktionen a unter einem bestimmten Status s aus und stellt Vergütungen zu diesem Zeitpunkt zu den Aktionen a bereit. Somit lernt der Agent das Auswählen einer vorteilhafteren Aktion, d. h. des korrekten Werts Q (s, a).Q-learning is a method of learning a value Q (s, a) in which an action a under an environment status s is selected. In other words, it is only required that the action a having the highest value Q (s, a) is selected as the optimal action a under a certain status s. Initially, however, the correct value of the value Q (s, a) for a combination of the status s and action a is completely unknown. Thereafter, an agent (subject of an action) selects various actions a under a given status s and provides compensation for the actions a at that time. Thus, the agent learns to select a more advantageous action, i. H. the correct value Q (s, a).
  • Infolge der Aktion ist eine Maximierung der Summe von in der Zukunft zu erhaltenden Veraütunaen erwünscht und demgemäß lautet das Endziel Q(s, a) =E [Σγtrt] (ein erwarteter Wert wird für den Zeitpunkt, an dem der Status variiert, gemäß der optimalen Aktion eingestellt. Selbstverständlich ist der erwartete Wert unbekannt und sollte demgemäß während der Suche gelernt werden). Der Aktualisierungsausdruck für einen solchen Wert Q(s, a) ist z. B. gegeben durch: Q ( s t , a t ) Q ( s t , a t ) + a ( r t + 1 + γ max a Q ( s t + 1 , a ) Q ( s t , a t ) )
    Figure DE102017000536B4_0001
    wobei st der Status der Umgebung zu einem Zeitpunkt t ist und at die Aktion zu einem Zeitpunkt t ist. Bei der Aktion at ändert sich der Status auf st + 1. rt + 1 ist die Vergütung, die bei einer Statusänderung zu empfangen ist. Der Term, dem „max“ angefügt ist, wird durch Multiplizieren des Q-Werts, der erhalten wird, wenn die Aktion a mit dem höchsten Q-Wert zu diesem Zeitpunkt unter dem Status st + 1 ausgewählt wird, mit γ erhalten wird. γ ist der Parameter mit einem Bereich von 0 < γ ≤ l und wird Diskontierungsrate genannt, α ist der Lernfaktor und hat einen Bereich von 0 < α ≤ l.
    As a result of the action to maximize the sum of to be obtained in the future Veraütunaen is desirable and accordingly, is the ultimate goal Q (s, a) = E [Σγ t r t] (an expected value for the time at which varies the status, Of course, the expected value is unknown and should therefore be learned during the search). The update expression for such a value Q (s, a) is z. B. given by: Q ( s t . a t ) Q ( s t . a t ) + a ( r t + 1 + γ Max a Q ( s t + 1 . a ) - Q ( s t . a t ) )
    Figure DE102017000536B4_0001
    where s t is the status of the environment at a time t and a t is the action at a time t. In action a t , the status changes to s t + 1 . r t + 1 is the compensation to be received when the status changes. The term to which "max" is added is obtained by multiplying the Q value obtained when the action a having the highest Q value at this time is selected under the status s t + 1 with γ. γ is the parameter with a range of 0 <γ ≤ 1 and is called the discount rate, α is the learning factor and has a range of 0 <α ≤ 1.
  • Diese Gleichung drückt ein Verfahren zum Aktualisieren eines Beurteilungswerts Q(st, at) einer Aktion at in einem Status st auf Basis der Vergütung rt + 1 aus, wie als Ergebnisse eines Versuchs at zurückgegeben. Wenn ein Beurteilungswert Q(st + , max at + 1) der optimalen Aktion max a in einem darauffolgenden Status, der durch die Vergütung rt + 1 der Aktion a verursacht wird, größer als der Beurteilungswert Q(st, at) der Aktion a im Status s ist, wird Q(st, at) erhöht. Im gegensätzlichen Fall, d. h., wenn der Beurteilungswert Q(st + 1, max at + 1) kleiner als der Beurteilungswert Q(st, at) ist, wird Q(st, at) verringert. Anders ausgedrückt wird versucht, den Wert einer bestimmten Aktion in einem bestimmten Status an die Vergütung, die unmittelbar als Ergebnis zurückgegeben wird, und dem Wert einer optimalen Aktion im darauffolgenden Status, der durch eine bestimmte Aktion verursacht wird, anzunähern. This equation expresses a method for updating a judgment value Q (s t , a t ) of an action a t in a status s t based on the compensation r t + 1 , as returned as results of an experiment a t . When a judgment value Q (s t +, max a t + 1 ) of the optimal action max a in a subsequent status caused by the compensation r t + 1 of the action a is greater than the judgment value Q (s t , a t ) of action a is in the status s, Q (s t , a t ) is increased. In the contrary case, that is, when the judgment value Q (s t + 1 , max a t + 1 ) is smaller than the judged value Q (s t , a t ), Q (s t , a t ) is decreased. In other words, it is attempted to approximate the value of a particular action in a given status to the reimbursement returned immediately as a result and the value of an optimal action in the subsequent status caused by a particular action.
  • Beispiele für das Verfahren zum Ausdrücken von Q(s, a) auf einem Computer umfassen ein Verfahren zum Konservieren der Werte aller Status-Aktion-Paare (s, a) als Tabelle (Aktionswerttabelle) und ein Verfahren zum Generieren einer Funktion zum Approximieren von Q(s, a). Beim letzteren Verfahren kann der obige Aktualisierungsausdruck durch Anpassen eines Parameters der Approximationsfunktion unter Verwendung eines Verfahrens wie z. B. des stochastischen Gradientenabstiegs umgesetzt werden. Beispiele für die Approximationsfunktion umfassen ein neuronales Netzwerk, das später beschrieben wird.Examples of the method of expressing Q (s, a) on a computer include a method of preserving the values of all the status-action pairs (s, a) as a table (action value table) and a method of generating a function of approximating Q. (s, a). In the latter method, the above updating expression can be adjusted by adjusting a parameter of the approximation function using a method such as a method of calculating the approximation function. B. the stochastic Gradientenabstiegs be implemented. Examples of the approximation function include a neural network which will be described later.
  • Als Approximationsalgorithmus einer Wertfunktion beim überwachten Lernen, beim nichtüberwachten Lernen und beim Verstärkungslernen kann ein neuronales Netzwerk verwendet werden. Das neuronale Netzwerk besteht z. B. aus einer arithmetischen Vorrichtung und einem Speicher, die ein neuronales Netzwerk umsetzen, das ein Neuronenmodell simuliert, wie in 3 gezeigt. 3 ist ein schematisches Schaubild, das ein Neuronenmodell veranschaulicht.As an approximation algorithm of a value function in supervised learning, in non-supervised learning and in gain learning, a neural network can be used. The neural network consists z. From an arithmetic device and a memory implementing a neural network simulating a neuron model, as in 3 shown. 3 Figure 12 is a schematic diagram illustrating a neuron model.
  • Wie in 3 gezeigt, gibt ein Neuron eine Ausgabe y in Reaktion auf eine Mehrzahl von Eingaben x aus (Eingaben x1 bis x3 werden hier als Beispiel bereitgestellt). Gewichte w (w1 bis w3) werden auf die entsprechenden Eingaben x1 bis x3 angewandt. Dies bewirkt, dass das Neuron die Ausgabe y ausgibt, die durch die nachstehende Gleichung ausgedrückt wird. Man beachte, dass es sich bei den Eingaben x, der Ausgabe y und den Gewichten w jeweils um Vektoren handelt. y = f k ( i = 1 n x i w i θ )
    Figure DE102017000536B4_0002
    wobei θ die systematische Abweichung ist und fk die Aktivierungsfunktion ist.
    As in 3 1, a neuron outputs an output y in response to a plurality of inputs x (inputs x1 to x3 are provided here as an example). Weights w (w1 to w3) are applied to the corresponding inputs x1 to x3. This causes the neuron to output the output y expressed by the following equation. Note that the inputs x, the output y, and the weights w are each vectors. y = f k ( Σ i = 1 n x i w i - θ )
    Figure DE102017000536B4_0002
    where θ is the systematic deviation and f k is the activation function.
  • Ein dreischichtiges gewichtetes neuronales Netzwerk, das aus einer Kombination von Neuronen besteht, wie oben beschrieben, wird nun nachstehend unter Bezugnahme auf 4 beschrieben. 4 ist ein schematisches Schaubild, das ein Modell eines gewichteten neuronalen Netzes mit drei Schichten D1 bis D3 veranschaulicht.A three-layered weighted neural network composed of a combination of neurons as described above will now be described with reference to FIG 4 described. 4 FIG. 12 is a schematic diagram illustrating a model of a weighted neural network having three layers D1 to D3.
  • Wie in 4 gezeigt, wird eine Mehrzahl von Eingaben x (Eingaben x1 bis x3 werden hier als Beispiel bereitgestellt) von der linken Seite des neuronalen Netzwerks eingegeben und werden Ergebnisse y (Ergebnisse y1 bis y3 werden hier als Beispiel bereitgestellt) von der rechten Seite des neuronalen Netzwerks ausgegeben. As in 4 9, a plurality of inputs x (inputs x1 to x3 are provided as an example here) are input from the left side of the neural network, and results y (results y1 to y3 are provided here by way of example) are output from the right side of the neural network ,
  • Insbesondere werden die Eingaben x1 bis x3, auf die die entsprechenden Gewichte angewandt wurden, jeweils in drei Neuronen N11 bis N13 eingegeben. Diese auf die Eingaben angewandten Gewichte werden gesammelt als w1 bezeichnet.Specifically, the inputs x1 to x3 to which the respective weights have been applied are respectively input to three neurons N11 to N13. These weights applied to the inputs are collectively referred to as w1.
  • Die Neuronen N11 bis N13 geben jeweils z11 bis z13 aus. Diese z11 bis z13 werden gesammelt durch einen Merkmalsvektor z1 ausgewiesen und können als Vektor behandelt werden, der durch Extrahieren einer Merkmalshöhe eines Eingabevektors erhalten werden kann. Dieser Merkmalsvektor z1 ist ein Merkmalsvektor zwischen dem Gewicht w1 und Gewicht w2.The neurons N11 to N13 output z11 to z13, respectively. These z11 through z13 are collectively designated by a feature vector z1 and can be treated as a vector that can be obtained by extracting a feature level of an input vector. This feature vector z1 is a feature vector between the weight w1 and weight w2.
  • Die Merkmalsvektoren z11 bis z13, auf die die entsprechenden Gewichte angewandt wurden, werden in zwei Neuronen N21 und N22 eingegeben. Diese auf die Merkmalsvektoren angewandten Gewichte werden gesammelt als w2 bezeichnet.The feature vectors z11 to z13 to which the respective weights have been applied are input to two neurons N21 and N22. These weights applied to the feature vectors are collectively referred to as w2.
  • Die Neuronen N21 und N22 geben z21 bzw. z22 aus. Diese z21 und z22 werden gesammelt als Merkmalsvektor z2 ausgewiesen. Dieser Merkmalsvektor z2 ist ein Merkmalsvektor zwischen dem Gewicht w2 und Gewicht w3.The neurons N21 and N22 output z21 and z22, respectively. These z21 and z22 are collected as feature vector z2. This feature vector z2 is a feature vector between the weight w2 and weight w3.
  • Die Merkmalsvektoren z21 und z22, auf die die entsprechenden Gewichte angewandt wurden, werden in drei Neuronen N31 bis N33 eingegeben. Diese auf die Merkmalsvektoren angewandten Gewichte werden gesammelt als w3 bezeichnet.The feature vectors z21 and z22 to which the respective weights have been applied are input to three neurons N31 to N33. These weights applied to the feature vectors are collectively referred to as w3.
  • Schließlich geben die Neuronen N31 bis N33 jeweils die Ergebnisse y1 bis y3 aus.Finally, the neurons N31 to N33 respectively output the results y1 to y3.
  • Der Betrieb des neuronalen Netzwerks umfasst einen Lernmodus und einen Wertprognosemodus. Ein Lerndatensatz wird verwendet, um die Gewichtungen w im Lernmodus zu lernen, und Parameter, die aus dem Lernen erhalten werden, werden verwendet, um die Aktion der Verarbeitungsmaschine im Prognosemodus zu ermitteln (der Einfachheit halber wird hier der Ausdruck „Prognose“ verwendet, es können jedoch diverse Aufgaben, einschließlich Erkennen, Klassifizieren, Ableiten usw. durchgeführt werden).Operation of the neural network includes a learn mode and a value prediction mode. A learning data set is used to learn the weights w in the learning mode, and parameters obtained from the learning are used to determine the action of the processing machine in the predictive mode (for simplicity, the term "prediction" is used here) however, various tasks, including detection, classification, derivation, etc., may be performed).
  • Es ist möglich, nicht nur das ein Lernen (Online-Lernen) durchzuführen, bei dem Daten, die durch tatsächliches Betreiben der Verarbeitungsmaschine im Prognosemodus erfasst wurden, unmittelbar gelernt werden und in einer darauffolgenden Aktion widergespiegelt werden, sondern auch ein Lernen (bündelweises Lernen) durchzuführen, bei dem bisher gesammelte Daten unter Verwendung einer Gruppe der Daten gesammelt gelernt werden und danach ein Erkennungsmodus unter Verwendung von aus dem Lernen erhaltenen Parameter durchgeführt wird. Ein weiterer Lernmodus kann jedes Mal, wenn eine vordefinierte Datenmenge gesammelt wurde, zwischengeschaltet werden.It is possible to perform not only the learning (on-line learning) in which data acquired by actually operating the processing machine in the forecasting mode is immediately learned and reflected in a subsequent action, but also learning (bundle-wise learning) in which previously collected data is learned using a group of the data, and thereafter a recognition mode is performed using parameters obtained from the learning. Another learning mode can be interposed each time a predefined amount of data is collected.
  • Die Gewichte w1 bis w3 können durch ein Fehlerrückpropagierungsverfahren gelernt werden. Die Informationen zu Fehlern werden von der rechten Seite zur linken Seite eingebracht. Das Fehlerrückpropagierungsverfahren ist ein Verfahren zum Einstellen (Lernen) jedes Gewichts, um den Unterschied zwischen der Ausgabe y, wenn die Eingabe x eingegeben wird, und der wahren Ausgabe y (Lehrer) für jedes Neuron zu verringern.The weights w1 to w3 can be learned by an error backpropagation method. The information about errors is introduced from the right side to the left side. The error backpropagation method is a method of setting (learning) each weight to reduce the difference between the output y when the input x is input and the true output y (teacher) for each neuron.
  • Bei einem solchen neuronalen Netzwerk können drei oder mehr Schichten bereitgestellt werden (dies wird tiefes Lernen genannt). Eine arithmetische Vorrichtung, die Merkmale aus Eingabedaten schrittweise extrahiert, um ein Ergebnis zurückzugeben, kann lediglich anhand von Lehrerdaten automatisch erfasst werden.In such a neural network, three or more layers may be provided (this is called deep learning). An arithmetic device that extracts features from input data stepwise to return a result can only be automatically detected based on teacher data.
  • Man beachte, dass nichtüberwachtes Lernen, ein Verfahren des Maschinenlernens, an das in 2 gezeigte Lerninstrument 24 angewandt wird. Natürlich ist das auf das Lerninstrument 24 anwendbare Maschinenlernverfahren nicht auf nichtüberwachtes Lernen beschränkt. Wenn beispielsweise überwachtes Lernen auf das Lerninstrument 24 angewandt wird, entsprechen die Wertefunktionen Lernmodellen und die Vergütungen entsprechen Fehlern.Note that unmonitored learning, a method of machine learning, is similar to that described in 2 shown learning tool 24 is applied. Of course that's on the learning tool 24 Applicable machine learning methods are not limited to unmonitored learning. For example, if supervised learning is on the learning tool 24 is applied, the value functions correspond to learning models and the remunerations correspond to errors.
  • Die vorliegende Erfindung wurde oben unter Verwendung von beispielhaften Ausführungsformen beschrieben. Der Fachmann wird jedoch verstehen, dass die vorstehenden Modifikationen und diverse andere Modifikationen, Weglassungen und Ergänzungen durchgeführt werden können, ohne sich vom Umfang der vorliegenden Erfindung zu entfernen.The present invention has been described above using exemplary embodiments. However, those skilled in the art will appreciate that the above modifications and various other modifications, omissions and additions can be made without departing from the scope of the present invention.
  • WIRKUNG DER ERFINDUNGEFFECT OF THE INVENTION
  • Gemäß dem ersten Aspekt kann eine Ursache einer Anomalie, die bei einer Fertigungsmaschine auftritt, oder eine Ursache einer Anomalie, die in der Zukunft auftreten kann, und insbesondere eine Ursache einer Anomalie, die durch die internen Informationen einer Fertigungsmaschine verursacht wird, effizient festgestellt werden. Gemäß dem zweiten Aspekt der vorliegenden Erfindung können nützliche Informationen zum Feststellen einer Ursache einer Anomalie erfasst werden. Gemäß dem dritten und dem vierten Aspekt der vorliegenden Erfindung kann, wenn eine Ursache einer Anomalie festgestellt wird, ein Abschnitt, der die Anomalie verursacht, automatisch korrigiert werden.According to the first aspect, a cause of an abnormality occurring in a production machine or a cause of an abnormality that may occur in the future and, in particular, a cause of an abnormality caused by the internal information of a manufacturing machine can be efficiently detected. According to the second aspect of the present invention, useful information for detecting a cause of an abnormality can be detected. According to the third and fourth aspects of the present invention, when a cause of an abnormality is detected, a portion causing the abnormality can be automatically corrected.
  • Gemäß dem fünften Aspekt der vorliegenden Erfindung kann, wenn eine Ursache einer Anomalie in einem Betriebsprotokoll festgestellt wird, ein fehlender Betrieb automatisch hinzugefügt werden. Gemäß dem sechsten und dem siebten Aspekt der vorliegenden Erfindung kann eine zu vergleichende Fertigungsmaschine auf einfache Weise ausgewählt werden.According to the fifth aspect of the present invention, when a cause of an abnormality in an operation log is detected, a lack of operation can be automatically added. According to the sixth and seventh aspects of the present invention, a manufacturing machine to be compared can be easily selected.
  • Gemäß dem achten Aspekt der vorliegenden Erfindung können, sogar wenn eine schwere Anomalie bei einer Fertigungsmaschine auftritt und die Einheit zum Erfassen von internen Informationen die Informationen von der Fertigungsmaschine nicht erfassen kann, die in einem vordefinierten Zeitraum vor dem Auftritt der Anomalie erfassten Informationen verwendet werden.According to the eighth aspect of the present invention, even when a serious abnormality occurs in a manufacturing machine and the internal information acquiring unit can not acquire the information from the manufacturing machine, the information acquired in a predefined time period before the anomaly occurrence can be used.
  • Gemäß dem neunten Aspekt der vorliegenden Erfindung kann die Genauigkeit der Feststellung einer Ursache einer Anomalie unter Bezugnahme auf die Informationen in der Datenbank verbessert werden. Gemäß dem zehnten Aspekt der vorliegenden Erfindung kann die Genauigkeit der Feststellung einer Ursache einer Anomalie durch Aktualisieren der Datenbank weiter verbessert werden. Gemäß dem elften Aspekt der vorliegenden Erfindung kann die Genauigkeit der Feststellung einer Ursache einer Anomalie durch gemeinsames Nutzen der Informationen in der Datenbank mit einer Mehrzahl von Zellsteuereinheiten noch weiter verbessert werden. Gemäß dem zwölften Aspekt der vorliegenden Erfindung können die Informationen in der Datenbank durch Widerspiegeln der Entsprechungsbeziehung zwischen einer Anomalie einer Fertigungsmaschine und einer Ursache der Anomalie, die aus einem Ergebnis eines Maschinenlernens erhalten wird, in der Datenbank spontan verbessert werden.According to the ninth aspect of the present invention, the accuracy of determining a cause of an abnormality can be improved with reference to the information in the database. According to the tenth aspect of the present invention, the accuracy of determining a cause of an abnormality can be further improved by updating the database. According to the eleventh aspect of the present invention, the accuracy of detecting a cause of an abnormality by further sharing the information in the database with a plurality of cell control units can be further improved. According to the twelfth aspect of the present invention, the information in the database can be spontaneously improved by reflecting the correspondence relationship between an abnormality of a manufacturing machine and a cause of the anomaly obtained from a result of machine learning.

Claims (10)

  1. Zellsteuereinheit (12) zum Steuern einer Mehrzahl von Fertigungsmaschinen (25 bis 28), die eine Fertigungszelle (11) bilden, wobei die Zellsteuereinheit (12) umfasst: eine Einheit (14) zum Erfassen von internen Informationen, die so konfiguriert ist, dass sie die internen Informationen der Mehrzahl von Fertigungsmaschinen (25 bis 28) erfasst; eine Vergleichsobjektauswahleinheit (20), die so konfiguriert ist, dass sie, wenn eine Anomalie in einer ersten Fertigungsmaschine der Mehrzahl von Fertigungsmaschinen (25 bis 28) auftritt, die erste Fertigungsmaschine und eine zweite Fertigungsmaschine, die ähnliche Komponenten wie jene der ersten Fertigungsmaschine aufweist und die normal arbeitet, aus der Mehrzahl von Fertigungsmaschinen (25 bis 28) auswählt; eine Einheit (15) zum Vergleichen von internen Informationen, die so konfiguriert ist, dass sie die ersten internen Informationen der ersten Fertigungsmaschine und die zweiten internen Informationen der zweiten Fertigungsmaschine, die von der Einheit (14) zum Erfassen von internen Informationen erfasst werden, in Bezug auf die erste Fertigungsmaschine und die zweite Fertigungsmaschine vergleicht, die von der Vergleichsobjekauswahleinheit (20) ausgewählt werden, und wobei die Einheit (15) zum Vergleichen von internen Informationen einen Unterschied zwischen diesen extrahiert; eine Anomalieursachenfeststelleinheit (16), die so konfiguriert ist, dass sie eine Ursache einer Anomalie, die bei der ersten Fertigungsmaschine auftritt, oder eine Ursache einer Anomalie, die in der Zukunft auftreten kann, auf Basis des Unterschieds zwischen den ersten internen Informationen und den zweiten internen Informationen, die von der Einheit (15) zum Vergleichen von internen Informationen extrahiert werden, feststellt; und eine Anomalieursachenübertragungseinheit (17), die so konfiguriert ist, dass sie die Ursache der Anomalie, die von der Anomalieursachenfeststelleinheit (16) festgestellt wird, an das Äußere der Zellsteuereinheit überträgt; wobei die internen Informationen jeder Fertigungsmaschine (25 bis 28) zumindest eines von einem Antriebsparameter, der mit dem Antreiben einer Fertigungsmaschine assoziiert ist, einem Funktionsparameter, der mit der Funktion einer Fertigungsmaschine assoziiert ist, einem Betriebsprogramm, das von einer Fertigungsmaschine auszuführen ist, und einem Betriebsbefehlsprotokoll, das durch Aufzeichnen von Betriebsbefehlen, die empfangen werden, um eine Fertigungsmaschine zu veranlassen, einen vordefinierten Betrieb durchzuführen, in Zeitreihen erhalten werden, umfassen; und wobei die Zellsteuereinheit (12) ferner eine Einheit (18) zum Korrigieren eines anomalen Abschnitts umfasst, die so konfiguriert ist, dass sie, wenn zumindest eines des Antriebsparameters, des Funktionsparameters und des Betriebsprogramms eine Ursache der Anomalie ist, einen Abschnitt mit der Anomalie korrigiert.A cell control unit (12) for controlling a plurality of manufacturing machines (25 to 28) constituting a manufacturing cell (11), the cell control unit (12) comprising: an internal information acquiring unit (14) configured to captures the internal information of the plurality of manufacturing machines (25 to 28); a comparison object selection unit (20) configured to display, when an abnormality occurs in a first production machine of the plurality of production machines (25 to 28), the first production machine and a second production machine having components similar to those of the first production machine; operating normally, selecting from the plurality of manufacturing machines (25 to 28); an internal information comparing unit (15) configured to receive the first internal information of the first manufacturing machine and the second internal information of the second manufacturing machine detected by the internal information acquiring unit (14) Comparing with respect to the first manufacturing machine and the second manufacturing machine selected by the comparison object selection unit (20), and wherein the internal information comparing unit (15) extracts a difference between them; an abnormality cause determining unit configured to be a cause of an abnormality occurring in the first production machine or a cause of an abnormality that may occur in the future based on the difference between the first internal information and the second one internal information extracted by the internal information comparing unit (15); and an anomaly cause transmission unit (17) configured to transmit the cause of the abnormality detected by the abnormality cause determination unit (16) to the exterior of the cell control unit; wherein the internal information of each manufacturing machine (25 to 28) comprises at least one of a drive parameter associated with driving a production machine, a function parameter associated with the function of a manufacturing machine, an operating program to be executed by a manufacturing machine, and an operation command log obtained by recording, in time series, operation commands received to cause a manufacturing machine to perform a predefined operation; and wherein the cell control unit (12) further comprises an abnormal section correcting unit (18) configured to, if at least one of the drive parameter, the function parameter and the operation program is a cause of the abnormality, include a section with the abnormality corrected.
  2. Zellsteuereinheit (12) nach Anspruch 1, wobei das Betriebsbefehlsprotokoll Informationen, die durch Aufzeichnen von Betrieben eines Benutzers, betriebsprogrammausführenden Prozessen, Eingabe von Signalen nach außen oder Betriebsbefehlen, die durch eine Eingabe von Signalen von außen generiert werden, in Zeitreihen erhalten werden.Cell control unit (12) after Claim 1 wherein the operation command log is information obtained by recording operations of a user, operations executing processes, inputting signals to the outside, or operation commands generated by inputting signals from the outside, in time series.
  3. Zellsteuereinheit (12) nach Anspruch 1, die ferner eine Betriebsbefehlsergänzungseinheit (19) umfasst, die so konfiguriert ist, dass sie, wenn ein Fehlen eines Betriebsbefehlsprotokolls in den ersten internen Informationen oder eines Betriebsbefehlsprotokolls in den zweiten internen Informationen die Anomalie verursacht, einen Betrieb gemäß einem Betriebsbefehl, der im Betriebsbefehlsprotokoll fehlt, in Bezug auf die Fertigungsmaschine, der das Betriebsbefehlsprotokoll fehlt, ergänzt.Cell control unit (12) after Claim 1 further comprising an operation command supplement unit (19) configured to operate in accordance with an operation command missing in the operation command log when a lack of an operation command log in the first internal information or an operation command log in the second internal information causes the abnormality in relation to the manufacturing machine which lacks the operation command log.
  4. Zellsteuereinheit (12) nach einem der Ansprüche 1 bis 3, wobei die Vergleichsobjektauswahleinheit (20), die so konfiguriert ist, dass sie auf Vorrichtungskonfigurationsinformationen Bezug nimmt, die Komponenten einer Fertigungsmaschine darstellen, die mit jeder der Fertigungsmaschinen (25 bis 28) assoziiert sind, und Elemente der Vorrichtungskonfigurationsinformationen miteinander vergleicht, um die erste Fertigungsmaschine und die zweite Fertigungsmaschine auszuwählen.Cell control unit (12) according to one of Claims 1 to 3 wherein the comparison object selection unit (20) configured to refer to device configuration information representing components of a manufacturing machine associated with each of the manufacturing machines (25 to 28) and compares elements of the device configuration information with each other to the first manufacturing machine and select the second production machine.
  5. Zellsteuereinheit (12) nach einem der Ansprüche 1 bis 3, wobei die Vergleichsobjektauswahleinheit (20), die so konfiguriert ist, dass sie die erste Fertigungsmaschine und die zweite Fertigungsmaschine auf Basis von Registrationsinformationen auswählt, die durch vorheriges Korrelieren der ersten Fertigungsmaschine und der zweiten Fertigungsmaschine, die einander ähneln, erhalten werden.Cell control unit (12) according to one of Claims 1 to 3 wherein the comparison object selection unit (20) configured to select the first production machine and the second production machine based on registration information obtained by previously correlating the first production machine and the second production machine that are similar to each other.
  6. Zellsteuereinheit (12) nach einem der Ansprüche 1 bis 5, wobei die Einheit (14) zum Erfassen von internen Informationen, die so konfiguriert ist, dass sie die internen Informationen der Fertigungsmaschinen (25 bis 28) in einem vordefinierten Intervall erfasst.Cell control unit (12) according to one of Claims 1 to 5 wherein the internal information acquiring unit (14) configured to acquire the internal information of the manufacturing machines (25 to 28) at a predetermined interval.
  7. Zellsteuereinheit (12) nach einem der Ansprüche 1 bis 6, die ferner eine Datenbank (22) umfasst, die so konfiguriert ist, dass sie den Status einer Anomalie, die bei jeder der Fertigungsmaschinen (25 bis 28) auftritt, und eine Ursache des Auftretens der Anomalie korreliert und diese speichert, wobei die Anomalieursachenfeststelleinheit (16) so konfiguriert ist, dass sie Bezug auf die Datenbank (22) nimmt, wodurch eine Ursache einer Anomalie, die bei der ersten Fertigungsmaschine auftritt, oder eine Ursache einer Anomalie, die in der Zukunft auftreten kann, festgestellt wird.Cell control unit (12) according to one of Claims 1 to 6 further comprising a database (22) configured to correlate and store the status of an anomaly occurring at each of the manufacturing machines (25 to 28) and a cause of occurrence of the anomaly, the abnormality cause determining unit (22) 16) is configured to refer to the database (22), whereby a cause of an abnormality occurring at the first production machine or a cause of an abnormality that may occur in the future is detected.
  8. Zellsteuereinheit (12) nach Anspruch 7, die ferner eine Datenbankaktualisierungseinheit (23) umfasst, die so konfiguriert ist, dass sie den Status einer Anomalie, die bei der ersten Fertigungsmaschine oder der zweiten Fertigungsmaschine auftritt, und einen Unterschied zwischen den ersten internen Informationen und den zweiten internen Informationen, der von der Einheit zum Vergleichen von internen Informationen extrahiert wird und der die Anomalie verursacht, in der Datenbank (22) widerspiegelt.Cell control unit (12) after Claim 7 , which further comprises a database updating unit (23) configured to detect the status of an abnormality occurring in the first manufacturing machine or the second manufacturing machine and a difference between the first internal information and the second internal information generated by the Extracting unit for comparing internal information and causing the anomaly is reflected in the database (22).
  9. Zellsteuereinheit (12) nach Anspruch 7, wobei: die Zellsteuereinheit (12) eine aus einer Mehrzahl von Zellsteuereinheiten (12) ist und ferner eine Datenbankfreigabeeinheit zum gemeinsamen Nutzen der Datenbank (22) mit den anderen Zellsteuereinheiten (12) umfasst.Cell control unit (12) after Claim 7 wherein: the cell controller (12) is one of a plurality of cell controllers (12) and further comprises a database release unit for sharing the database (22) with the other cell controllers (12).
  10. Zellsteuereinheit (12) nach Anspruch 7, die ferner ein Lerninstrument (24) umfasst, das so konfiguriert ist, dass es ein Maschinenlernen unter Verwendung der in der Datenbank (22) gespeicherten Informationen, der erfassten internen Informationen jeder der Fertigungsmaschinen (25 bis 28) und der Vorrichtungskonfigurationsinformationen, die Komponenten jeder der Fertigungsmaschinen (25 bis 28) darstellen, durchführt, um die in der Datenbank (22) gespeicherten Informationen zu aktualisieren.Cell control unit (12) after Claim 7 , which further comprises a learning tool (24) configured to perform a machine learning using the information stored in the database (22), the acquired internal information of each of the manufacturing machines (25 to 28) and the device configuration information, the components of each of the manufacturing machines (25 to 28) in order to update the information stored in the database (22).
DE102017000536.2A 2016-01-29 2017-01-20 Cell controller for detecting a cause of an abnormality in a manufacturing machine Active DE102017000536B4 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2016016575A JP6031202B1 (en) 2016-01-29 2016-01-29 Cell control device for finding the cause of abnormalities in manufacturing machines
JP2016-016575 2016-01-29

Publications (2)

Publication Number Publication Date
DE102017000536A1 DE102017000536A1 (en) 2017-08-03
DE102017000536B4 true DE102017000536B4 (en) 2018-10-11

Family

ID=57358832

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102017000536.2A Active DE102017000536B4 (en) 2016-01-29 2017-01-20 Cell controller for detecting a cause of an abnormality in a manufacturing machine

Country Status (4)

Country Link
US (1) US10203666B2 (en)
JP (1) JP6031202B1 (en)
CN (1) CN107024917B (en)
DE (1) DE102017000536B4 (en)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6333871B2 (en) * 2016-02-25 2018-05-30 ファナック株式会社 Image processing apparatus for displaying an object detected from an input image
JP2017211713A (en) * 2016-05-23 2017-11-30 ルネサスエレクトロニクス株式会社 Production system
JP6346251B2 (en) 2016-11-25 2018-06-20 ファナック株式会社 Oil leak detection device
JP6457471B2 (en) 2016-12-12 2019-01-23 ファナック株式会社 Operator identification system
JP6506245B2 (en) * 2016-12-26 2019-04-24 ファナック株式会社 Machine learning apparatus and part assembling system for learning assembling operation
JP6457563B2 (en) * 2017-01-24 2019-01-23 ファナック株式会社 Numerical control device and machine learning device
US20200073369A1 (en) * 2017-01-25 2020-03-05 Mitsubishi Electric Corporation Attack/abnormality detection device, attack/abnormality detection method, and attack/abnormality detection program
US10783290B2 (en) * 2017-09-28 2020-09-22 Taiwan Semiconductor Manufacturing Company, Ltd. IC manufacturing recipe similarity evaluation methods and systems
JP6787971B2 (en) 2018-10-25 2020-11-18 ファナック株式会社 State judgment device and state judgment method

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010047504A1 (en) 2000-05-26 2001-11-29 Yutaka Electronics Industry Co., Ltd. Maintenance method and maintenance system for industrial machinery
JP2004202624A (en) 2002-12-25 2004-07-22 Kawasaki Heavy Ind Ltd Method and apparatus for using and integrating robot information
DE60220998T2 (en) 2001-03-27 2007-10-18 Kabushiki Kaisha Yaskawa Denki, Kitakyushu REMOTE CONTROL FOR A CONTROLLABLE OBJECT AND DIAGNOSTIC DEVICE

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0577143A (en) * 1991-09-19 1993-03-30 Toyota Auto Body Co Ltd Failure diagnosis device for automated line
JP4484450B2 (en) * 2003-05-15 2010-06-16 トヨタ自動車株式会社 Integrated monitoring analyzer
JP2007219692A (en) * 2006-02-15 2007-08-30 Omron Corp Process abnormality analyzing device, process abnormality analyzing system and program
WO2008114863A1 (en) 2007-03-22 2008-09-25 Nec Corporation Diagnostic device
JP5544418B2 (en) 2010-04-08 2014-07-09 株式会社日立製作所 Plant diagnostic device, diagnostic method, and diagnostic program
JP2015018505A (en) 2013-07-12 2015-01-29 株式会社東芝 Failure prediction apparatus

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010047504A1 (en) 2000-05-26 2001-11-29 Yutaka Electronics Industry Co., Ltd. Maintenance method and maintenance system for industrial machinery
DE60220998T2 (en) 2001-03-27 2007-10-18 Kabushiki Kaisha Yaskawa Denki, Kitakyushu REMOTE CONTROL FOR A CONTROLLABLE OBJECT AND DIAGNOSTIC DEVICE
JP4739556B2 (en) 2001-03-27 2011-08-03 株式会社安川電機 Remote adjustment and abnormality judgment device for control target
JP2004202624A (en) 2002-12-25 2004-07-22 Kawasaki Heavy Ind Ltd Method and apparatus for using and integrating robot information

Also Published As

Publication number Publication date
CN107024917A (en) 2017-08-08
US20170220008A1 (en) 2017-08-03
US10203666B2 (en) 2019-02-12
CN107024917B (en) 2018-08-03
JP2017134786A (en) 2017-08-03
DE102017000536A1 (en) 2017-08-03
JP6031202B1 (en) 2016-11-24

Similar Documents

Publication Publication Date Title
DE102016009113B4 (en) A machine learning device, robot controller, robot system, and machine learning method for learning a person&#39;s action pattern
DE102016015873B3 (en) Machine learning apparatus, robot system, and machine learning system for learning a workpiece pick-up operation
US8781982B1 (en) System and method for estimating remaining useful life
EP2015186B1 (en) Diagnostic systems and methods for predictive condition monitoring
DE102017002996B4 (en) MACHINE LEARNING DEVICE THAT PERFORMS LEARNING BY USING SIMULATION RESULT, MACHINE SYSTEM, MANUFACTURING SYSTEM, AND MACHINE LEARNING METHOD
EP2108139B1 (en) Method for the computer-aided control and/or regulation of a technical system, particularly a gas turbine
DE10304902B4 (en) Adaptation of extended process control blocks depending on changing process delays
DE60212121T2 (en) GENERATION OF PROCESS-RELATED DATA
DE102016009030B4 (en) Machine learning device, robot system and machine learning system for learning a workpiece receiving operation
DE102016009032B4 (en) Machine learning unit, spindle replacement judgment apparatus, control, machine tool, production system and machine learning method capable of judging the necessity of a spindle replacement
DE112010000775B4 (en) INDUSTRIAL ROBOT SYSTEM
EP3454289A1 (en) Plant abnormality detection method and system
DE69910800T2 (en) Method and device for monitoring the operating state of a single machine
DE102015008574B4 (en) System for modifying a robot program
DE102018204740A1 (en) Action information learning device, robot control system and action information learning method
EP1425635B1 (en) Monitoring system, method for the process-parallel monitoring of collision or overload situations in machine tools
EP1894068B1 (en) Method for quality control for an operating industrial machine
DE4008510C2 (en) Control device with optimal decision unit
DE102017001290A1 (en) Machine learning apparatus, industrial machine cell, manufacturing system, and machine learning method for learning task sharing among a variety of industrial machines
EP0893746A2 (en) Process diagnosis system and method therefor
DE102007036247B4 (en) Process control and optimization technique using immunological concepts
DE102011006786B4 (en) Product sensor, product with product sensor, system and method for communication between product sensor and system
DE102010017763A1 (en) Device for displaying the toolpath for machine tools
DE102016008987A1 (en) A machine learning method and machine learning apparatus for learning error conditions, and an error prediction apparatus and an error prediction system incorporating the machine learning apparatus
DE102014109033A1 (en) NON INTRUSIVE DATA ANALYSIS IN A PROCESS CONTROL SYSTEM

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final